Repositório Digital

A- A A+

A machine learning approach for content-based music recommender systems

.

A machine learning approach for content-based music recommender systems

Mostrar registro completo

Estatísticas

Título A machine learning approach for content-based music recommender systems
Outro título Uma abordagem em aprendizagem de máquina para sistemas de recomendações de musica baseados em conteúdo
Autor Höng, Alan Francisco
Orientador Engel, Paulo Martins
Data 2015
Nível Graduação
Instituição Universidade Federal do Rio Grande do Sul. Instituto de Informática. Curso de Ciência da Computação: Ênfase em Ciência da Computação: Bacharelado.
Assunto Aprendizagem : Maquina
Informática : Música
[en] Audio analysis
[en] Music recommendation
[en] Music similarity
[en] Self-organising map
Abstract This work tries to approach music recommendation in a content based way. Most today‘s recommender systems use user data on such as listening history and likes to recommend new music to users. Many of todays music platforms such as Soundcloud, Mixcloud or Youtube grow rapidly and contain many new music pieces of lesser known artists. As traditional recommender systems require a great amount of user data to predict good recommendations, these approaches might perform poorly on these newer platforms, as lesser known tracks won’t be recommended at all or only appear to very few users. This work presents a recommender system which requires very few user data to make recommendations. By analysing audio data and clustering the analysed data using a neural network, recommendations for each user are generated. At the end we evaluate the achieved results using offline evaluation techniques.
Resumo Este trabalho trata de abordar recomendações musicais de uma maneira baseada em conteúdo. A maioria dos sistemas de recomendação hoje em dia usam os dados do usuário como o histórico de musicas escutadas e preferencias para recomendar novas músicas aos usuários. Muitas das plataformas recentes de música tais como Soundcloud, Mixcloud ou Youtube crescem rapidamente e contêm muitas novas peças de música de artistas menos conhecidos. Como sistemas de recomendação tradicionais requerem uma grande quantidade de dados de usuários para prever recomendações, essas abordagens podem executar mal nessas plataformas mais recentes, como musicas menos conhecidas não será recomendada a todos ou só apareceram para poucos usuários. Este trabalho apresenta um sistema de recomendações que usa um mínimo de dados de usuário para fazer recomendações. Ao analisar os dados de áudio e agrupando-os, utilizando uma rede neural, as recomendações para cada usuário são gerados. No final serão avaliados os resultados obtidos através da avaliação de técnicas off-line.
Tipo Trabalho de conclusão de graduação
URI http://hdl.handle.net/10183/138218
Arquivos Descrição Formato
000988708.pdf (2.079Mb) Texto completo Adobe PDF Visualizar/abrir

Este item está licenciado na Creative Commons License

Este item aparece na(s) seguinte(s) coleção(ões)


Mostrar registro completo

Percorrer



  • O autor é titular dos direitos autorais dos documentos disponíveis neste repositório e é vedada, nos termos da lei, a comercialização de qualquer espécie sem sua autorização prévia.
    Projeto gráfico elaborado pelo Caixola - Clube de Criação Fabico/UFRGS Powered by DSpace software, Version 1.8.1.