TRƯỜNG ĐẠI HỌC CẦN THƠ
KHOA CNTT-TT
Đề tài:
“ĐẶC TÍNH THỜI GIAN”
TRONG HỆ THỐNG GỢI Ý NHẠC
Tác giả: Võ Thị Xuân Mai
Trần Nguyễn Minh Thư
SV thực hiện :
GV hướng dẫn :
Trương Thị Phượng B1609542
Trần Nguyễn Minh Thư
Nguyễn Bích Ngân B1609533
NỘI DUNG
I.
II.
III.
IV.
Giới thiệu Hệ Thống gợi ý nhạc
Thảo Luận
Phương Pháp
Kết luận
I. Giới thiệu
II. Thảo Luận
GIỚI THIỆU
Hệ thống gợi ý nhạc có vai trò cung cấp những bài hát phù hợp với sở thích người nghe
Hệ thống gợi ý nhạc theo tâm trạng, phản hồi tiềm ẩn…
Ngoài ra một đề xuất khác bằng cách sử dụng thời gian trong ngày, để đưa gợi ý
III. Phương Pháp
IV. Kết Luận
I. Giới thiệu
II. Thảo Luận
GIỚI THIỆU
Buổi sáng, các thể loại âm nhạc sôi động để khởi đầu một
ngày mới được ưa chuộng và buổi tối các bản nhạc nhẹ
nhàng giúp người nghe dễ dàng chìm vào giấc ngủ
III. Phương Pháp
IV. Kết Luận
I. Giới thiệu
II. Thảo Luận
III. Phương Pháp
THẢO LUẬN
IV Kết Luận
Kết quả đánh giá dựa trên tập dữ liệu last.fm 1K
với số lượng bài hát trong danh sách gợi ý lần
lượt là 5, 10, 15, 20 được thể hiện trong Bảng 1.
Bảng 1: Bảng tổng hợp kết quả của Diyi yang và cộng sự, 2012.
I. Giới thiệu
II. Thảo Luận
PHƯƠNG PHÁP
1. Phân tích đặc trưng dữ liệu âm nhạc
Sơ đồ bên dưới biểu diễn số lượt nghe của
mỗi bài hát trong dữ liệu Lastfm-dataset-1k.
(2005-2009)
Lượt nghe cao nhất của một bản nhạc
phân biệt là khoảng 2500 lần
III. Phương Pháp
IV. Kết Luận
I. Giới thiệu
II. Thảo Luận
PHƯƠNG PHÁP
III. Phương Pháp
IV. Kết Luận
Một bản nhạc có tính tái sử
sụng cao do người dùng
thường nghe nhiều lần một
bản nhạc yêu thích.
Hình 2. Số lần nghe một bản nhạc của thính giả (2006 – 2009)
I. Giới thiệu
II. Thảo Luận
PHƯƠNG PHÁP
III. Phương Pháp
IV. Kết Luận
Những khoảng thời gian cụ thể trong ngày, người dùng sẽ có sở thích khác nhau vào những khoảng thời gian khác
nhau.
Hình 3: Thống kê tần suất nghe nhạc
I. Giới thiệu
II. Thảo Luận
III. Phương Pháp
PHƯƠNG PHÁP
IV. Kết Luận
2.Vấn đề bài hát được gợi ý
Áp dụng lý thuyết Forgetting Curve để
tính sự tươi mới của một bài hát
S=1
nếu một bài hát đã được nghe 1 lần
thì sau khoảng 7 ngày , lưu trữ của bộ
nhớ là 0% → bài hát là tươi mới
Hình 4: Biểu đồ biểu diễn sự suy giảm bộ nhớ
I. Giới thiệu
II. Thảo Luận
PHƯƠNG PHÁP
3. Áp dụng giải thuật dựa trên luật kết hợp
Xây dựng tập luật thông qua lịch sử
nghe nhạc của người dùng
Danh sách gợi ý gồm có 7 bản nhạc.
III. Phương Pháp
IV. Kết Luận
I. Giới thiệu
II. Thảo Luận
KẾT LUẬN
III. Phương Pháp
IV. Kết Luận
1. Đánh giá hệ thống
Phương pháp Given-N để đánh giá tính
hiệu quả của hệ thống
Gợi ý được xem là phù hợp khi người
dùng chọn mục dữ liệu từ danh sách
những gợi ý
Hình 7: Phương pháp đánh giá given-1
I. Giới thiệu
II. Thảo Luận
KẾT LUẬN
III. Phương Pháp
IV. Kết Luận
Từ 15h đến 21h là khoảng
thời gian người dùng nghe
nhạc cao và có độ chính xác
cao nhất
Bảng 2: Bảng tổng hợp kết quả đánh giá bằng phương pháp given-1
I. Giới thiệu
II. Thảo Luận
KẾT LUẬN
III. Phương Pháp
IV. Kết Luận
2.Tập dữ liệu thực nghiệm
Tập dữ liệu có tổng số 19.150.868 dòng giao dịch, 992 người dùng từ 66 quốc gia khác nhau, độ tuổi trung bình là 25
Tiến hành trên tập dữ liệu Lastfm-dataset-1k và tập các thẻ Tag mô tả mỗi bài hát
Việc phân chia khoảng thời gian mang lại hiệu quả về thời gian tính toán.
Để có độ chính xác cao thì việc thực hiện online là cần thiết.
Thanks you !