Інформаційна система підбору музичних композицій згідно вподобань користувача
Автор: Петровський Назар Романович
Кваліфікаційний рівень: магістр
Спеціальність: Інформаційні системи та технології
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Актуальність теми роботи пов’язана з розвитком цифрових музичних сервісів, які активно використовують алгоритми для персоналізованих рекомендацій. Споживання музики змінилося з фізичних форматів на цифрові платформи, де користувачі покладаються на алгоритми для відкриття нових композицій. Системи підбору музичного контенту дозволяють автоматизовано рекомендувати треки, що відповідають індивідуальним смакам слухачів, використовуючи методи аналізу контенту на основі жанру, темпу, настрою. Розробка таких систем не лише сприяє кращій взаємодії користувача з музичними платформами, але й змінює спосіб споживання музики, впливаючи на індустрію в цілому [2]. Персоналізація є важливою складовою сучасних музичних платформ. Завдяки постійному аналізу та обробці даних про слухацькі вподобання користувачів, такі системи здатні виявляти та пропонувати нові треки й виконавців, що відповідають естетичним вподобанням кожного слухача. Це забезпечує як ширше охоплення музичного контенту, так і стимулює користувачів досліджувати нові жанри, що може збагачувати їх музичний досвід і підвищувати задоволення від прослуховування. Об’єкт дослідження - об’єктом дослідження є процес пошуку та рекомендації музичного контенту в цифровому середовищі. Предмет дослідження - методи і засоби, які забезпечують створення системи для персоналізованого пошуку, генерації плейлистів та рекомендації музики на основі користувацьких вподобань та характеристик музичних творів. Мета дослідження - метою дослідження є розробка інформаційної системи, яка забезпечить користувачам можливість ефективного пошуку, організації та рекомендації музичного контенту, враховуючи їхні уподобання. Це досягається шляхом аналізу різноманітних параметрів треків та індивідуальних характеристик слухацьких вподобань. Така система має відповідати потребам сучасних користувачів, спрощуючи процес пошуку нової музики та створення персоналізованих плейлистів. Під час розробки системи було застосовано методи контент-аналізу музичних характеристик, включаючи такі параметри, як темп, тональність, інструментування та емоційний фон [1]. Додатково, для підвищення ефективності роботи платформи, реалізовано механізм інтеграції з популярними музичними базами даних (зокрема, API сервісу Spotify), що забезпечує широке охоплення та актуальність інформації про музичний контент. Окрім цього, система передбачає механізм зворотного зв’язку від користувачів, який дозволяє враховувати їхні оцінки та поведінкові характеристики під час взаємодії з контентом, що забезпечує точнішу відповідність пропонованих треків. Інтерфейс системи розроблено з акцентом на простоту і зручність, що дозволяє користувачам легко орієнтуватися у функціоналі, створювати плейлисти та знаходити нові улюблені треки. Результатом роботи є вебсервіс, який може рекомендувати треки на основі аналізу вподобань користувачів та технічних характеристик музичного контенту. Така платформа дозволяє користувачам знаходити нову музику, що відповідає їхнім індивідуальним смакам, відкривати нових виконавців і жанри, а також створювати тематичні плейлисти, що робить взаємодію з музикою цікавішою та зручнішою. Практична значущість роботи полягає у створенні платформи, яка полегшує навігацію в музичному контенті і сприяє розвитку музичної індустрії. Зокрема, система не лише покращує задоволеність користувачів, а й допомагає молодим виконавцям знайти свою аудиторію, а користувачам — розширити музичний кругозір. Розроблені алгоритми можуть знайти застосування і в інших системах рекомендацій, що базуються на аналізі великих обсягів даних і персоналізованому підході до користувача. З огляду на швидкий розвиток музичних платформ, створена система також може слугувати корисним інструментом для покращення досвіду користувачів і дослідження музичних трендів. Це важливо для музичної індустрії, оскільки дозволяє краще розуміти культурні та соціальні тенденції, що формують музичні вподобання аудиторії. Таким чином, реалізація системи підбору музичного контенту сприяє вдосконаленню користувацького досвіду та робить внесок у загальний розвиток цифрових музичних сервісів. Ключові слова – алгоритм, музичний контент, Spotify, генерація. Перелік використаних джерел. 1. Enhanced Music Recommendation Systems: A Comparative Study of Content-Based Filtering and K-Means Clustering Approaches. IIETA : вебсайт. URL: https://iieta.org/journals/ria/paper/10.18280/ria.380138 2. Evolution of Music Streaming: How Technology Transformed Music. MDLBeast : вебсайт. URL: https://mdlbeast.com/xp-feed/music-industry/evolution-of-music-streaming-how-technology-transformed-music