Details

Объектом исследования являются музыкальные рекомендательные системы. Целью работы является разработка музыкальной рекомендательной системы, основанной на эмоциональных характеристиках человека. Методологическая основа исследования объединяет методы распознавания речевых эмоций и распознавания музыкальных эмоций. Голосовые сигналы анализируются для определения эмоциональных состояний с использованием моделей машинного обучения, в первую очередь основанных на MLP. Музыка автоматически помечается эмоциональными метками с помощью SVM, обученных на наборе данных DEAM. Рекомендательная система определяет эмоцию по голосу человека и выдает ту музыкальную композицию, которая тесно коррелирует с его состоянием. Областями применения могут быть рекомендательные системы для музыкальных платформ, образовательные среды, сервисы психологической поддержки. В работе использовался язык программирования Python 3.12 и его библиотеки, интегрированная среда разработки PyCharm 2024.3.1.1. Оценка на стандартных наборах данных, таких как RAVDESS и DEAM, показала хорошую производительность: MLP достиг точности 75% для задач SER, в то время как SVM достиг точности 77% для классификации MER. Для оценки эффективности музыкальной рекомендательной системы был проведен эксперимент в образовательном учреждении. Результаты показали, что более 70% участников отметили улучшение концентрации, а 85% посчитали, что рекомендуемая музыка соответствует их настроению.

The object of the study is music recommender systems. The aim of the work is to develop a music recommender system based on human emotional characteristics. The methodological basis of the study combines speech emotion recognition methods and musical emotion recognition methods. Voice signals are analyzed to determine emotional states using machine learning models, primarily based on MLP. Music is automatically tagged with emotional labels using SVM trained on the DEAM dataset. The recommender system determines the emotion by a persons voice and produces a musical composition that closely correlates with his or her state. Application areas include recommender systems for music platforms, educational environments, and psychological support services. The work used the Python 3.12 programming language and its libraries, the PyCharm 2024.3.1.1 integrated development environment. Evaluation on standard datasets such as RAVDESS and DEAM showed good performance: MLP achieved 75% accuracy for SER tasks, while SVM achieved 77% accuracy for MER classification. To evaluate the effectiveness of the music recommender system, an experiment was conducted in an educational institution. The results showed that more than 70% of participants reported an improvement in concentration, and 85% found the recommended music to be appropriate for their mood.

• Разработка музыкальной рекомендательной системы, основанной на эмоциональных характеристиках человека
  • Введение
  • 1. Обзор предметной области
  • 2. Обзор предшествующих исследований и наборов данных
  • 3. Разработка алгоритма МРС, учитывающей эмоциональные характеристики человека
  • 4. Тестирование и апробация разработанной музыкальной рекомендательной системы
  • Заключение
  • Список использованных источников
  • Приложение 1 Программный код разработанной MRS