Детальная информация

Основной целью данной работы является разработка и программная реализация гибридной модели рекомендательной системы для музыкальных стриминговых сервисов, интегрирующей три источника данных: пользовательские рецензии, тексты песен и аудиосигнал. Задачи, которые решались в ходе исследования: 1. Проведён анализ автоматизированных систем ранжирования в музыкальной индустрии. 2. Разработан скрипт для автоматизированного сбора пользовательских рецензий, текстов песен и аудиофайлов. 3. Реализована обработка текстов рецензий и песен. 4. Проведён морфологический разбор и частеречная разметка данных. 5. Применено тематическое моделирование для выявления тем в рецензиях и текстах. 6. Проанализировано распределение частей речи и тематик. 7. Реализована конкатенация тематических признаков, кластеризация треков и фильтрация подборки по косинусной близости акустических эмбеддингов. 8. Построен итоговый рекомендательный плейлист и выполнена визуализация. Методы исследования: сравнение, систематизация, методы машинного обучения, методы обработки естественного языка, методы глубокого обучения для анализа аудиосигнала, методы визуализации данных. Расчёты и обработка данных осуществлялись с использованием языка программирования Python и специализированных библиотек. В работе разработана и реализована гибридная модель рекомендательной системы для музыкальных стриминговых сервисов, объединяющая тематическое моделирование рецензий и текстов песен с последующей кластеризацией и акустической фильтрацией на основе косинусной схожести эмбеддингов. Проведён анализ текущего состояния музыкальных стриминговых сервисов, выявлены тренды и перспективы развития рекомендательных алгоритмов.

The main goal of this work is the development and software implementation of a hybrid recommender system model for music streaming services, integrating three data sources: user reviews, song lyrics and audio signal, implementing the filtering principle «first meaning, then sound». The tasks solved during the research: 1. An analysis of automated ranking systems in the music industry was carried out. 2. A script was developed for automated collection of user reviews, song lyrics and audio files. 3. Text processing of reviews and song lyrics was implemented. 4. Morphological analysis and part-of-speech tagging of data were carried out. 5. Topic modeling was applied to identify latent topics in reviews and song lyrics. 6. The distribution of parts of speech and topics was analyzed. 7. Concatenation of topic features, clustering of tracks and filtering of the selection by cosine similarity of acoustic embeddings were implemented. 8. A final recommendation playlist was built and visualization of the system operation stages was performed. Research methods: analysis, comparison, synthesis, systematization, machine learning methods, natural language processing methods, deep learning methods for audio signal analysis, statistical analysis and data visualization methods. Calculations and data processing were carried out using the Python programming language and specialized libraries. The work develops and implements a hybrid recommender system model for music streaming services, combining topic modeling of reviews and song lyrics with subsequent clustering and acoustic filtering based on cosine similarity of embeddings. An analysis of the current state of music streaming services was carried out, trends and prospects for the development of recommender algorithms were identified. The obtained results demonstrate the effectiveness of the proposed approach and can be used by music streaming platforms, marketing departments of record labels and researchers in the field of recommender systems.