A data science game: assessing music recommendation with factorization machines

Mostra el registre complet Registre parcial de l'ítem

• dc.contributor.author Garriga Calleja, Rogerca
• dc.contributor.author Mas Adell, Javierca
• dc.contributor.author Poudel, Sauravca
• dc.date.accessioned 2017-12-15T12:58:56Z
• dc.date.available 2017-12-15T12:58:56Z
• dc.date.issued 2017
• dc.description Treball fi de màster de: Master's Degree in Data Science. Curs 2016-2017ca
• dc.description Director: Christian Fons-Ronsen
• dc.description.abstract Internet has seen a tremendous growth in the last few years. Because of that, we have a lot of information about most of the things in web. And the usage of Recommendation system has become more important than ever. Recommendation systems address this problem, by guiding users through the big ocean of information. Until now, recommendation systems have been extensively used within e-commerce and communities where items like movies, music and articles are recommended. More recently, recommendation systems have been deployed in online music players, recommending music that the users probably will like. This thesis will present the design, implementation, testing and evaluation of a recommendation system within the music domain, where three different approaches for producing recommendations are utilized. Testing each approach is done by evaluating the recommendation systems using precision scores. Our results show that the functionality of the recommendation system is satisfactory, and that recommendation precision differs for the three filtering approaches.ca
• dc.description.abstract Internet ha experimentat un gran creixement en els últims anys. Per això, tenim molta informació sobre la majoria de les coses a la web. I l'ús del sistema de recomanacions s'ha tornat més important que mai. Els sistemes de recomanació tracten aquest problema, guiant els usuaris a través del gran oceà d'informació. Fins ara, els sistemes de recomanacions s'han utilitzat àmpliament en el comerç electrònic i comunitats on es recomana articles com ara pel·lícules, música i articles. Més recentment, els sistemes de recomanació s'han desplegat en reproductors de música en línia, recomanant música que probablement els usuaris agradin. Aquesta tesi presentarà el disseny, implementació, avaluació i avaluació d'un sistema de recomanacions dins del domini musical, on s'utilitzen tres criteris diferents per a la producció de recomenacions. La prova de cada enfocament es fa avaluant els sistemes de recomanació utilitzant puntuacions de precisió. Els nostres resultats mostren que la funcionalitat del sistema de recomanacions és satisfactòria i que la recomanació prediu els diàmetres dels tres enfocaments de filtració.ca
• dc.format.mimetype application/pdfca
• dc.identifier.uri http://hdl.handle.net/10230/33511
• dc.language.iso engca
• dc.rights Atribución-NoComercial-SinDerivadas 3.0 Españaca
• dc.rights.accessRights info:eu-repo/semantics/openAccessca
• dc.rights.uri http://creativecommons.org/licenses/by-nc-nd/3.0/es/ca
• dc.subject.other Treball de fi de màster – Curs 2016-2017ca
• dc.title A data science game: assessing music recommendation with factorization machinesca
• dc.type info:eu-repo/semantics/masterThesisca