Exploiting metadata for a song recommender system under scarce data
DOI:
https://doi.org/10.5335/rbca.v12i2.10047Keywords:
Filtragem Baseada em Conteúdo; Lista de Recomendação; Metadados; Músicas; Sistema de RecomendaçãoAbstract
The evolution of digital music made possible, from the 2000s, onwards the emergence of music streaming
services, that produced a highly lucrative effect on the music sector. These services use recommendation
systems to find tracks that will appeals to users, collecting rich information about them and what they listen
to. The obteined volume of data enables a scenario rich in characteristics that describe both, thus making
recommendations more reliable. So, is possible to find recommendations in a scenario with scarcity of data?
The problem this work aims to solve is the difficulty of recommendations systems have to suggesting new
songs for users in front of a scenario with scarcity information, exploring metadata combinations to find
recommendations. Throughout this work a theoretical survey will be conducted, as well as the proposed
system, the necessary models for development this system are presented too. The results show it is possible
to make recommendations in a scenario with scarcity information. The evaluation showed in an unbalanced
environment where only 11% of songs are considered relevant is possible to obtain, in the metric MAP,
approximately 20% of assertiveness along the recommendations lists, as well as a recommendation list with
a larger number of songs helps to obtaining a better result. The evaluation also showed it is possible to obtain
more than 35% assertiveness in the metric MRR, just as the recommendation list with a larger number of
songs interferes directly with the positive metric result.
Downloads
Downloads
Published
Issue
Section
License
Todos os artigos estão licenciados com a licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. Autores que publicam nesta revista concordam com os seguintes termos:
a) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
b) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
c) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
