Dissertação
TASTES: A Taxonomy-Free Music Recommendation Strategy for Interest Expansion on Spotify EVALUATED
Com o aumento do uso de plataformas de streaming de música digital, a procura por sistemas de recomendação de música inovadores tem crescido exponencialmente. O Spotify, um líder global nesta arena, tenta continuamente oferecer funcionalidades dinâmicas que conectam milhões de ouvintes ao conteúdo musical certo. Com o objetivo de explorar novas abordagens para descoverta de música, apresentamos TASTES, uma nova abordagem de recomendação sequencial para continuação de playlists no Spotify. TASTES, uma ferramenta de expansão de interesses livre de taxonomia de géneros, utiliza um modelo multifacetado e dinâmico das inclinações do utilizador em uma das suas playlists, seguindo as suas tendências evolutivas para novas fronteiras de interesse musical. A estratégia usa os serviços da Web API do Spotify para integração direta com a aplicação, aproveitando suas funcionalidades para melhorar a experiência de descoberta do utilizador. Conduzimos um estudo de 30 dias com 20 participantes, comparando a aptidão de TASTES para continuação de playlists e expansão de interesses com a estratégia de recomendação do Spotify. Avaliamos as estratégias quanto à precisão e diversidade das sugestões, bem como à experiência fornecida ao utilizador, através de métricas quantitativas e avaliação dos utilizadores. Os resultados mostram que TASTES não demonstra uma melhoria relevante sobre a método de recomendação do Spotify como ferramenta de expansão de interesse musical, mas é mais eficaz a gerar sugestões relevantes e proporcionar uma experiência de descoberta mais satisfatória quando o nível e conteúdo lírico são fatores menos relevantes para o ouvinte.
junho 28, 2024, 16:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Departamento de Engenharia Informática (DEI)
Professor Associado