Інститут комп'ютерних наук та інформаційних технологій
Permanent URI for this communityhttps://ena.lpnu.ua/handle/ntb/61741
Browse
Item Система рекомендації плейлистів на основі музичного профілю Spotify(Національний університет ”Львівська політехніка”, 2022) Алексєєв, Андрій Сергійович; Національний університет ”Львівська політехніка”Магістерська кваліфікаційна робота виконана студентом групи КНСШ-21 Алексєєвим Андрієм Сергійовичем. Тема “Система рекомендації плейлистів на основі музичного профілю Spotify”. Робота направлена на здобуття ступеня магістр за спеціальністю 122 «Комп’ютерні науки». Метою дипломної роботи є дослідження та аналіз системи рекомендацій музичних треків Spotify, а також створення алгоритму підбірки нового плейлисту на основі вже створеного на платформі. Об’єктом дослідження є система рекомендацій треків Spotify та розробка системи для використання розроблених алгоритмів рекомендацій треків на практиці. У результаті виконання дипломної роботи було розроблено систему для рекомендації плейлистів. Система приймає Spotify плейлист користувача як ввід і повертає новий, згенерований на основі вхідного, плейлист. Дана система може використовуватися на практиці для створення більш точних та якісних рекомендацій треків для подальшого формування масивних плейлистів. Master’s degree work of the student of the group CSAI-21 Aleksieiev Andrii Serhiiovych. The topic is "Playlist recommendation system based on Spotify's music profile". The work is aimed at obtaining a master's degree in 122 "Computer Science". The purpose of this work is the research and analysis of Spotify's music track recommendation system, as well as the creation of an algorithm for selecting a new playlist based on the one already created on the platform. The object of the research is the Spotify track recommendation system and the development of a system for using the developed track recommendation algorithms in practice. As a result of the thesis, a system was developed for recommending playlists. The system takes the user's Spotify playlist as input and returns a new playlist generated based on the input. This system can be used in practice to create more accurate and high-quality track recommendations for the further formation of massive playlists.