ЕЛЕКТРОННИЙ АРХІВ

Аналіз існуючих алгоритмів музичних рекомендаційних систем

Аналіз існуючих алгоритмів музичних рекомендаційних систем

Гордеєв, Р.С.; Граф, М.С.; Hordeiev, R.S.; Graf, M.S.
URI: http://eztuir.ztu.edu.ua/123456789/8120
Дата: 2022

Анотація:

Ми живемо в час, коли людина просто переповнена інформацією. І, коли людина заходить на сайт пошуку музики, якогось товару чи відео, найменше, що вона хоче, – це поглибитись у ці вебресурси на довгий час, щоб знайти те, що їй потрібно. В таких ситуаціях на допомогу приходять рекомендаційні системи. Рекомендаційна система надає персоналізований список тих елементів, що мають сподобатися користувачу найбільше. Однією із найпопулярніших сфер, де застосовується рекомендаційна система, є музична. Заходячи на будь-який музичний стрімінговий сервіс (наприклад, Spotify), одразу бачиш список рекомендованих пісень, що можуть тобі сподобатися. Такі рекомендаційні системи розповсюджено по всьому інтернету і дозволяють зекономити нам багато часу та нервів при пошуку необхідного матеріалу. Під такими рекомендаційними системами можуть використовуватися різні алгоритми, які можна поділити на три великі групи: колаборативна фільтрація, фільтрація за вмістом та гібридна фільтрація. Кожен алгоритм має свої особливості і випадки використання, що розглядається більш детально в описі цих методів. Також після детального аналізу було спроєктовано власну музичну рекомендаційну систему. Було створено власний алгоритм побудови музичної рекомендаційної системи, оснований на попередньому аналізі вже існуючих алгоритмів. Було створено діаграму класів, в якій знаходяться необхідні сутності для реалізації музичної рекомендаційної системи на основі вподобань користувача.

Анотація (англ.):

We live in a time characterized by excessive information overload. For example, a user looking for music, goods or videos does not intend to spend a lot of time and delve into the complexities of the search process. In such situations, it is advisable to use recommender systems. Such systems provide a personalized list of items that best meet the user's information needs. Music is one of the most popular areas where the recommender system is used. When visiting any music streaming service (such as Spotify), the user immediately sees a list of recommended songs that they might like. Such systems are quite common on the Web and allow users to save time and effort when searching for the necessary material. Under the hood of such recommender systems, different algorithms can be used, which can be divided into three large groups: collaborative filtering, content filtering, and hybrid filtering. Each algorithm has its own features and use cases, which are considered in a more detailed description of these methods. After a detailed analysis, we designed our own music recommendation system. An algorithm for creating the system has been developed, which is based on a preliminary analysis of already existing algorithms. To describe the entities of the music recommendation system and their relations, we designed a corresponding class diagram.

Показати повний опис матеріалу

Долучені файли

Icon
Name: 11. Гордеєв.pdf
Розмір: 682.1Kb
Формат: PDF
Переглянути

Даний матеріал зустрічається у наступних фондах