Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Pinto Junior, Jony Arrais | - |
Autor(es): dc.contributor | Kubrusly, Jessica Quintanilha | - |
Autor(es): dc.contributor | Yuriko Yaginuma, Karina | - |
Autor(es): dc.contributor | Santos Erbisti, Rafael | - |
Autor(es): dc.creator | Ferreira, Julia Hellen Franco | - |
Data de aceite: dc.date.accessioned | 2025-01-03T11:41:43Z | - |
Data de disponibilização: dc.date.available | 2025-01-03T11:41:43Z | - |
Data de envio: dc.date.issued | 2024-09-02 | - |
Data de envio: dc.date.issued | 2024-09-02 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/34533 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/919980 | - |
Descrição: dc.description | A industria musical é responsável por uma imensidão de cantores, gêneros e ritmos que produzem uma infinidade de músicas, dificultando muitas vezes ao processo de selecionar, filtrar e organizar estes dados conforme as preferências do consumidor. Os Sistemas de Recomendação buscam sugerir itens baseados na semelhança de outros itens ou baseados nas preferências de outros consumidores com gostos semelhantes para resolver este probelma. Dado o grande volume de dados encontrado nas plataformas de \textit{streamings} de músicas como o \textit{Spotify}, estes Sistemas de Recomendação são uma ferramenta essencial para garantir de forma automatizada e personalizada a indicação de músicas para melhorar a experiência do cliente e garantir uma maior satisfação. Este estudo desenvolveu um Sistema de Recomendação por Filtragem Colaborativa em uma base de dados binários que representa o consumo de músicas em \textit{playlists} do Spotify. Diversas metodologias foram exploradas, destacando a Similaridade entre Usuários (\textit{playlists)} por meio de medidas como \textit{Jaccard}, \textit{3W-Jaccard}, \textit{Sorensen-Dice}, \textit{Ochai}, \textit{Sokal \& Sneath}, e \textit{Sokal \& Michener}, junto com diferentes valores de \(k\) para identificar as \textit{playlists} similares e em seguida recomendar músicas a elas. O \(k\) é definido como o número de \textit{playlists} similares que será utilizado ao longo dos cálculos de similaridades. A base de dados contém 869 \textit{playlists} distintas e 34443 músicas únicas. A comparação das medidas de similaridade, feita através do método \textit{Leave-one-out}, envolveu um cenário de simulação, destacando a eficácia da Similaridade de \textit{3W-Jaccard} com \(k = 5\). Após a definição da medida e vizinhos mais próximos, foram realizadas recomendações para três playlists, evidenciando um desempenho promissor ao sugerir músicas com gêneros semelhantes ou idênticos. A conclusão destaca a significância de levar em conta as peculiaridades associadas às entradas de valor zero, que podem ser interpretadas como a irrelevância de uma música para a \textit{playlist} ou simplesmente o desconhecimento da mesma. Além disso, ressalta-se a importância de uma escolha criteriosa da medida de similaridade e do número \(k\) de vizinhos para garantir resultados satisfatórios. | - |
Descrição: dc.description | 49 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Filtragem Colaborativa | - |
Palavras-chave: dc.subject | Sistemas de Recomendação | - |
Palavras-chave: dc.subject | Dados Binários | - |
Palavras-chave: dc.subject | Base de dados | - |
Palavras-chave: dc.subject | Método estatístico | - |
Palavras-chave: dc.subject | Música | - |
Título: dc.title | Sistema de recomendação baseado em filtragem colaborativa utilizando dados binários do Spotify | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: