Система рекомендацій музики на основі уподобань користувачів
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Дипломна робота: 88 с., 7 табл., 10 рис., 2 дод., 13 джерел.
Об’єкт дослідження: процеси персоналізації та інтелектуального аналізу даних у потокових мультимедійних сервісах. Предмет: математичні моделі та програмні методи колаборативної фільтрації для неявного зворотного зв’язку (Implicit Feedback) у музичних рекомендаціях. Мета роботи: підвищення точності та релевантності музичних рекомендацій шляхом розробки та дослідження гібридного алгоритму, що об'єднує соціальний контекст, подібність об'єктів і латентні фактори для усунення обмежень поодиноких моделей. Практичні результати: мовою Python розроблено архітектуру рекомендаційної системи та конвеєр обробки даних Last.fm (360K). Реалізовано базові моделі User-based і Item-based (косинусна подібність), модель матричної факторизації ALS із L2-регуляризацією, а також гібридний ансамбль (Union Ensemble) на основі зваженої агрегації рангів кандидатів. Тестування методом маскування взаємодій (80/20) за метриками Precision@K та Recall@K підтвердило перевагу гібрида: приріст точності становив 3–5% порівняно з найкращою базовою моделю (ALS). Подальший розвиток: інтеграція контентного аналізу за допомогою моделей глибокого навчання (аналіз спектрограм треків), адаптація системи до режиму реального часу та розробка модулів вирішення проблеми «холодного старту» через контекстуальні дані.
Опис
Ключові слова
рекомендаційні системи, музичні рекомендації, колаборативна фільтрація, гібридний ансамбль, матрична факторизація, алгоритм als, item-based фільтрація, user-based фільтрація, косинусна подібність, неявний зворотний зв'язок (implicit feedback), розріджені матриці, precision@k, recall@k, recommender systems, music recommendations, collaborative filtering, hybrid ensemble, matrix factorization, alternating least squares (als), item-based filtering, user-based filtering, cosine similarity, implicit feedback, sparse matrices
Бібліографічний опис
Мінін, П. О. Система рекомендацій музики на основі уподобань користувачів : дипломна робота … бакалавра : 124 Системний аналіз / Мінін Петро Олексійович. – Київ, 2026. – 88 с.