استفاده از داده کاوی برای ارایه مدل سیستم توصیه گر آگاه به زمینه با تلفیق روشCF و CBR برای موسیقی

امروزه با توجه به رشد روزافزون دادههای موسیقی در اینترنت، حجم بسیار زیادی از دادههای موسیقی مرتبط و موسیقیهای غیرمرتبط در اختیار کاربران قرار میگیرد و نیاز به روشی است که با تحلیل رفتار کاربر، به استخراج نیازها و علاقهمندیهای او برحسب سن، نوع موسیقی، منطقه، تاریخ و نام خواننده بپردازد. به این منظور میتوان از سیستمهای پیشنهاد دهنده مبتنی بر موسیقی در شبکه اینترنت و دادههای جمعآوری شده استفاده کرد. در این مقاله طبق تحقیقات صورت گرفته تاثیر انتخاب نوع موسیقی را بر روی پیشنهادهای سیستم بررسی و سیستم پیشنهاد دهندهای بر اساس این رویکرد ایجاد شدهاست. این سیستم موارد حوزه علاقهمندی کاربر و رتبه موسیقی از نظر کاربر و سن مخاطب، نوع سبک موسیقی و تاریخ ورود و موارد دیگر را بر حسب علاقهمندی پیشنهاد میدهد و این در حالی است که سیستم پیشنهادی از دقت و صحت بالاتری برخوردارمی باشد. در این مطالعه برای اعتبار سنجی داده ها از دیتاست سایت موسیقی FM.Last استفاده شده که این داده ها شامل 10000 رکورد بود که از بین آنها نزدیک 1000 تا استفاده شد و با عملیات دادهکاوی شامل پیشبینی مدل درخت تصمیم و خوشه بندی بر حسب متغییرهای هدف استفاده گردید که در بین آنها مدل درخت تصمیم (J48 (Tree Decision دارای بالاترین میزان دقت بوده و میتواند در برنامههای پیشبینی سیستمهای مبتنی بر استدلال موسیقی مورد استفاده قرار گیرد. مقاله کامل از طریق سایت کنفرانس ارسال گردد.

کلیدواژه ها:

خوشهبندی ، دادهکاوی ، درخت تصمیم ، موسیقی ، CBR