Рекомендаційна система для підбірки музичних вподобань

Скорочена інформація про документ
dc.contributor.advisorСавастьянов, Володимир Володимирович
dc.contributor.authorГрибальова, Олександра Дмитрівна
dc.date.accessioned2025-08-06T12:49:07Z
dc.date.available2025-08-06T12:49:07Z
dc.date.issued2025
dc.description.abstractДипломна робота: 97 с., 22 рис., 8 табл., 3 дод., 20 джерел. Об’єкт дослідження – рекомендаційні системи мультимедійного контенту. Мета роботи – розробка контентно-орієнтованої рекомендаційної системи музичних треків на основі текстового аналізу пісень. Методи дослідження – методи обробки природної мови (NLP), TF-IDF векторизація, метрика косинусної подібності, евклідової подібності, скалярної подібності, кластеризація, оцінка якості за метриками Precision, Recall, nDCG. Результати роботи полягають у дослідженні математичних засад, прийомів та алгоритмів побудови рекомендаційної системи на базі контентного метода фільтрації побудованого на різних методах схожості. Система реалізована як інтерактивний вебзастосунок із можливістю генерації подібних композицій у реальному часі. Практичний результат – створення програмного інструменту, який може бути використаний у музичних платформах або дослідницьких проектах для підвищення персоналізації прослуховування. Результати роботи рекомендується використовувати у сервісах потокової музики, системах автоматичного тегування пісень, генерації добірок або рекомендацій на основі змісту. Шляхи подальшого розвитку предмету дослідження – інтеграція метаданих (жанр, темп, настрій), врахування поведінки користувача (історія прослуховувань), вирішення проблеми холодного старту та впровадження гібридних або модельних підходів при масштабуванні системи.
dc.description.abstractotherThesis: 97 p., 22 fig., 8 tabl., 3 app., 20 ref. The object of research is multimedia content recommender systems. Purpose - to develop a content-oriented recommender system for music tracks based on the textual analysis of songs. Methods of research - natural language processing (NLP) methods, TF-IDF vectorisation, metrics cosine similarity, Euclidean similarity, scalar similarity, clustering, quality assessment by Precision, Recall, nDCG metrics. The results of the work consist in the study of mathematical foundations, techniques and algorithms for building a recommender system based on a contentbased filtering method built on various similarity methods. The system is implemented as an interactive web application with the ability to generate similar compositions in real time.The practical result is the creation of a software tool that can be used in music platforms or research projects to increase the personalisation of listening. The results of work are recommended to be used in streaming music services, systems for automatic tagging of songs, generation of playlists or recommendations based on content. Ways of further development of the research subject are integration of metadata (genre, tempo, mood), consideration of user behaviour (listening history), solving the problem of cold start and implementation of hybrid or model-based approaches when scaling the system.
dc.format.extent97 с.
dc.identifier.citationГрибальова, О. Д. Рекомендаційна система для підбірки музичних вподобань : дипломна робота ... бакалавра : 124 Системний аналіз / Грибальова Олександра Дмитрівна. - Київ, 2025. - 97 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/75445
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectрекомендаційні системи
dc.subjectконтентна фільтрація
dc.subjectкосинусна схожість
dc.subjecttf-idf
dc.subjectспотіфай
dc.subjectобробка тексту
dc.subjectnlp
dc.subjectrecommender systems
dc.subjectcontent filtering
dc.subjectcosine similarity
dc.subjectspotify
dc.subjecttext processing
dc.titleРекомендаційна система для підбірки музичних вподобань
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Hrybalova_bakalavr (1).pdf
Розмір:
2.15 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ММСА)
Бакалаврські роботи