音乐推荐系统研究所用的算法

音乐推荐系统研究所用的算法包括传统推荐算法和个性化推荐算法。传统推荐算法主要包括基于用户的协同过滤和基于物品的协同过滤。个性化推荐算法则包括基于内容的推荐、基于社交网络的推荐、基于深度学习的推荐等。

传统推荐算法中，基于用户的协同过滤是根据用户之间的相似度来推荐音乐，即找到和目标用户兴趣相似的其他用户，然后将这些用户喜欢的音乐推荐给目标用户。基于物品的协同过滤则是根据音乐之间的相似度来推荐音乐，即找到和目标音乐相似的其他音乐，然后将这些相似音乐推荐给目标用户。

个性化推荐算法中，基于内容的推荐是根据音乐的特征信息来推荐音乐，例如歌曲的风格、歌手、专辑等。基于社交网络的推荐是根据用户的社交关系来推荐音乐，例如用户的好友喜欢的音乐。基于深度学习的推荐则是利用深度神经网络来学习用户和音乐之间的关系，从而进行个性化推荐。

以上是音乐推荐系统研究所用的一些算法，不同的算法有不同的优缺点和适用场景。具体选择哪种算法需要根据实际情况进行评估和选择。