Аналіз існуючих алгоритмів музичних рекомендаційних систем
DOI:
https://doi.org/10.26642/ten-2022-2(90)-87-93Ключові слова:
музична рекомендаційна система; колаборативна фільтрація; фільтрація за вмістом; гібридна фільтрація; колаборативна фільтрація за моделлю; колаборативна фільтрація за сусідством; алгоритм; рекомендаціяАнотація
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.
Посилання
IFPI GLOBAL MUSIC REPORT (2022), [Online], available at: https://globalmusicreport.ifpi.org/
Roy, D. and Dutta, M. (2022), «A systematic review and research perspective on recommender systems», Journal of Big Data, Vol. 9, [Online], available at: https://cutt.ly/8Moa5FO
Bell, R.M., Bennett, J., Koren, Y. and Volinsky, C. (2009), «The million dollar programming prize», IEEE Spectrum, [Online], available at: https://cutt.ly/CMoaM59
Hosanagar, K. (2007), «Reinforcing the Blockbuster Nature of Media: The Impact of Online Recommenders», Knowledge at Wharton, No. 3, [Online], available at: https://ieeexplore.ieee.org/abstract/document/4907383
Vozalis, E. and Margaritis, K.G. (2003), Analysis of Recommender Systems’ Algorithms, [Online], available at: https://www.researchgate.net/publication/27383115_Analysis_of_Recommender_Systems'_Algorithms
Sahu, S.P., Nautiyal, A. and Prasad, M. (2017), Machine Learning Algorithms for Recommender System – a comparative analysis, [Online], available at: https://cutt.ly/hNHpDMu
Adiyansjah, Gunawan, A.A.S. and Suhartono, D. (2019), «Music Recommender System Based on Genre using Convolutional Recurrent Neural Networks», Procedia Computer Science, Vol. 157, pp. 99–109, [Online], available at: https://cutt.ly/sNHamp9
Melville, P. and Sindhwani, V. (2010), Recommender Systems, [Online], available at: https://www.ime.usp.br/~jstern/miscellanea/seminario/Melville1.pdf
Resnick, P. and Varian, Hal R. (1997), «Recommender systems», Communications of the ACM, March, No. 40 (3), pp. 56–58, [Online], available at: https://cutt.ly/9MosuOS
Burke, R. (2002), «Hybrid Recommender Systems: Survey and Experiments», User Modeling and User-Adapted Interaction, November, No. 12 (4), [Online], available at: https://cutt.ly/pNHshBy
Adomavicius, G. and Tuzhilin, A. (2005), «Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions», IEEE Transactions on Knowledge and Data Engineering, New York University, July, No. 17 (6), pp. 734–749, [Online], available at: https://cutt.ly/ZNHsT53
Xiaoyuan, Su and Khoshgoftaar, T.M. (2009), «Survey of Collaborative Filtering Techniques», Advances in Artificial Intelligence, [Online], available at: https://downloads.hindawi.com/archive/2009/421425.pdf
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2022 Ростислав Сергійович Гордеєв, Марина Сергіївна Граф
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
Автор, який подає матеріали до друку, зберігає за собою всі авторські права та надає відповідному виданню право першої публікації, дозволяючи розповсюджувати даний матеріал із зазначенням авторства та джерела первинної публікації, а також погоджується на розміщення її електронної версії на сайті Національної бібліотеки ім. В.І. Вернадського.
