Juggle — Hybrid large-scale music recommendation
Upcoming SlideShare
Loading in...5
×
 

Juggle — Hybrid large-scale music recommendation

on

  • 142 views

Apresentação curta para as Palestras DEI, na Faculdade de Engenharia da Universidade do Porto, no contexto da divulgação dos projetos de investigação no Laboratório SAPO/U.Porto. ...

Apresentação curta para as Palestras DEI, na Faculdade de Engenharia da Universidade do Porto, no contexto da divulgação dos projetos de investigação no Laboratório SAPO/U.Porto.

Short presentation for Palestras DEI, at the Faculty of Engineering of the University of Porto, in the context of Laboratório SAPO/U.Porto research projects divulgation.

Statistics

Views

Total Views
142
Views on SlideShare
141
Embed Views
1

Actions

Likes
0
Downloads
1
Comments
0

1 Embed 1

http://www.linkedin.com 1

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Juggle — Hybrid large-scale music recommendation Juggle — Hybrid large-scale music recommendation Presentation Transcript

  • labs.sapo.pt Juggle – Hybrid large-scale music recommendation José Devezas (DCC–FCUP & Laboratório SAPO/U.Porto) Sérgio Nunes (DEI–FEUP & INESC TEC) Projeto integrado no âmbito do MusicBox
  • labs.sapo.pt Juggle – Hybrid large-scale music recommendation Objectivos •  Implementar e melhorar algoritmos de recomendação, de forma a facilitar a descoberta de nova música. •  Desenvolver software escalável capaz de lidar com milhões de músicas e um número crescente de características associadas a cada faixa. •  Integrar diferentes tipos de características, nomeadamente: •  Perfis de utilizador (e.g. n.º de vezes que ouviu cada faixa, faixas favoritas, etc.) •  Conteúdo áudio e textual (e.g. pitch, timbre, letras) •  Contexto (e.g. tags, localização, estado do tempo, luminosidade, ruído do ambiente, etc.)
  • labs.sapo.pt Juggle – Hybrid large-scale music recommendation Resultados •  Grafo de conhecimento musical com: •  2,8 milhões de nós (e.g. faixas, tags, utilizadores) •  61,8 milhões de arestas (e.g. vizinhos mais próximos, características das faixas) •  71,7 milhões de propriedades, associadas aos nós e arestas (e.g. meta-dados, pesos de tags, valores pré-computados) •  Algoritmos de recomendação baseados em Gremlin: •  A técnica foi, genericamente: (1) tentar dar mais peso a tags mais descritivas usando o TF-IDF(tag, faixa), procurando focar na long tail da distribuição de tags; (2) combinar com as preferências dos utilizadores com gostos semelhantes (filtragem colaborativa); e (3) combinar com o conteúdo, usando a distância euclidiana para encontrar os k=10 vizinhos mais próximos segundo um vetor de caraterísticas áudio. •  Cada caraterística contribuiu para o peso de cada candidato a recomendar contando o número de vezes que o algoritmo de travessia passou pelo nó correspondente. http://juggle.fe.up.pt/static/app.html