Sistema de Recomendação de Músicas Usando LDA e Atributos de Áudio

Com a popularização de serviços de música pela internet, como Spotify, Last.fm, e Tidal, faz-se necessário um sistema que possa recomendar músicas com base no gosto do usuário. Diversos métodos para recomendação existem na literatura, como sistemas baseados em tags, sistemas baseados em análise de sinal e sistemas de contribuição social. Este trabalho apresenta um novo sistema de recomendação de músicas baseado em tags que utiliza o modelo LDA como ferramenta de redução de dimensionalidade mantendo uma alta capacidade de representação. O sistema proposto é capaz de gerar playlists aleatórias e determinísticas, utilizando apenas medidas de distância comuns, com métodos de baixa complexidade. A avaliação da qualidade dos sistemas é feita de forma indireta, uma vez que testes do tipo A/B são custosos e demorados para avaliação de sistemas de recomendação. Então utilizamos uma medida da homogeneidade das playlists geradas pelo sistema através da classificação de gêneros. Também são propostos novos métodos para tratar músicas que não possuem tags, permitindo aproveitamento máaximo de múusicas recém-inseridas na base de dados e reduzindo os problemas de cold-start e esparsidade, comuns em outros sistemas de recomendação. Os métodos de tratamento de músicas sem tags ainda precisam de trabalho adicional para atingirem resultados satisfatórios. Já os resultados indicados pelos escores de homogeneidade para os métodos de recomendação de música propostos são muito bons. A medida de qualidade proposta permitiu lançar uma nova luz no estudo de como são as playlists resultantes do sistema de recomendação.