基于深度学习的音乐推荐小程序（音乐小程序开发）

基于深度学习的音乐推荐小程序（音乐小程序开发）

基于深度学习的音乐推荐小程序

环境说明

Python 推荐使用 Anaconda 作为Python基础环境，推荐前往 清华大学镜像- 最新版安装包。为避免多个Python环境造成的相互冲突等问题，建议使用Python虚拟环境进行管理。步骤如下：打开Anconda终端或者cmd，使用命令 conda create -n MRC python=3.6.5 创建一个名为 MRC 的Python虚拟环境（MRC即Music Recommendation的缩写）；输入 conda activate MRC 激活 MRC 虚拟环境，在此虚拟环境下安装需要的Python第三方库；使用命令 conda install --yes --file requirements.txt 批量所需的Python组件依赖（ requirements.txt 文件在 back-end\recommend_service 目录下，建议上述步骤可在该目录下进行），对于有些安装失败的可单独使用 conda 命令或 pip 命令安装；至此项目所需的Python环境安装完成。 SoX SoX 是开源的音频处理软件，本项目使用该工具处理音频文件。本项目 tools 目录下已提供Windows安装包，安装教程参考 这篇文章，并注意 将SoX添加到环境变量。 WAMP WAMP环境即 Windows操作系统、Apache服务器、MySQL数据库 以及 PHP语言，可直接使用 phpStudy 或者 appserv 等集成环境一键安装。Linux操作系统请自行安装相应的 LAMP 环境。 MySQL数据库环境需要进行如下设置，新建名为 music_recommender 的数据库，数据库用户名为 music_system，密码为 music_system，并注意给予相应的数据库访问权限，然后导入 back-end\DataBase 目录下的 music_recommender.sql 文件中的数据。推荐使用开源的数据库管理客户端 HeidiSQL 管理数据库。 Node.js 前端开发环境所需依赖，前往 官网- 最新稳定版安装包进行安装。安装Node环境后打开终端命令行并且切换到 front-end 目录下，使用命令 npm install 安装前端依赖，出现安装失败问题可尝试 设置淘宝镜像源 或者使用 yarn/cnpm 等方式。 前端开发工具 HBuilderX 由于小程序使用 uni-app 框架开发，故配合使用 HBuilderX 进行开发能够更加便捷的开发和操作，具体开发步骤、调试技巧等参考 uni-app文档。 微信开发者工具 -：微信开发者工具

运行说明

常见问题

SoX报错 对于 Windows 系统下可能会出现的 Unable to load MAD decoder library (libmad) function 错误，解决方法可参考 这个问题的答案。此报错只需将 tools 目录下提供的两个库文件，放到 SoX 安装目录下即可。 小程序无内容如出现推荐无内容，需确保推荐脚本 recommend_service.py 已正常运行；确保 front-end 项目代码下的 src\config\index.js 文件中对应的 url 地址与实际环境的 url 地址一致，包括端口等；如出现搜索无内容，需确保当前计算机正常联网，以便能正常获取网易云音乐的数据。 HBuilderX无法自动运行微信开发者工具 若出现无法自动运行 微信开发者工具 的情况可提前手动运行工具或者参考这个 解决方案。 小程序真机运行无内容 想要在真机环境下运行小程序，可将 back-end 目录部署到远程服务器或者将本地计算机与手机处在同一局域网内，并在 front-end 项目代码下的 src\config\index.js 文件中对应的 url 地址替换成相应的地址。

参考项目

基于协同过滤算法和深度学习的音乐推荐使用uni-app开发网易云小程序版本私人定制——使用深度学习Keras和TensorFlow打造一款音乐推荐系统

特别感谢 基于协同过滤算法和深度学习的音乐推荐 项目 作者 的指点和帮助！

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。