Šio darbo tikslas yra sukurti muzikos rekomendacijų variklį ir taikomąją programą (informacinę sistemą arba mobiliąją programėlę), kuri vartotojui pateiktų panašios muzikos rekomendacijas į jo pateiktą garso įrašą. Esant laiko (priklausomai nuo rekomendacijų variklio tyrimo sudėtingumo), galima suprogramuoti internetinę paslaugą arba API, leidžiančią šia sistema pasinaudoti išoriniams vartotojams kaip muzikos įrašų parduotuvės.
Darbo uždaviniai: 1. Literatūros analizė garso įrašų rekomendacijų variklių kūrimui, 2. Reikšminių duomenų (pvz. žanro, tempo ir kitų) išskyrimas, pagal kuriuos galima teikti rekomendacijas, 3. Rekomendacijų variklio tyrimas, 4. Taikomosios programos projektavimas ir programavimas.
Duomenų imtys, tinkančios apmokyti rekomendacijų variklį: 1. https://www.kaggle.com/datasets/purumalgi/music-genre-classification/data 2. https://www.kaggle.com/datasets/andrewmvd/spotify-playlists 3. https://www.kaggle.com/datasets/devdope/900k-spotify
Preliminarūs literatūros šaltiniai: 1. https://www.frontiersin.org/journals/applied-mathematics-and-statistics/articles/10.3389/fams.2019.00044/full 2. https://link.springer.com/article/10.1007/s13735-018-0154-2 3. https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/21743 4. https://scholar.google.com/scholar?hl=lt&as_sdt=0%2C5&q=music+recommendation+system+IT+machine+learning+-deep&btnG=#d=gs_qabs&t=1755703426647&u=%23p%3DIwt0VMBBux4J 5. https://scholar.google.com/scholar?hl=lt&as_sdt=0%2C5&q=music+recommendation+system+IT+machine+learning+-deep&btnG=#d=gs_qabs&t=1755703523080&u=%23p%3Dni2ePfO_dlYJ
The aim of this work is to create a music recommendation engine and an application (information system or mobile app) that would provide the user with recommendations of similar music to the audio recording he provided. If time permits (depending on the complexity of the recommendation engine research), it is possible to program a web service or API that allows external users to use this system as music record stores.
Tasks: 1. Literature analysis for the development of audio record recommendation engines, 2. Extraction of significant data (e.g. genre, tempo, etc.) based on which recommendations can be provided, 3. Research of the recommendation engine, 4. Design and programming of the application.
Preliminary datasets: 1. https://www.kaggle.com/datasets/purumalgi/music-genre-classification/data 2. https://www.kaggle.com/datasets/andrewmvd/spotify-playlists 3. https://www.kaggle.com/datasets/devdope/900k-spotify
Preliminary literature: 1. https://www.frontiersin.org/journals/applied-mathematics-and-statistics/articles/10.3389/fams.2019.00044/full 2. https://link.springer.com/article/10.1007/s13735-018-0154-2 3. https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/21743 4. https://scholar.google.com/scholar?hl=lt&as_sdt=0%2C5&q=music+recommendation+system+IT+machine+learning+-deep&btnG=#d=gs_qabs&t=1755703426647&u=%23p%3DIwt0VMBBux4J 5. https://scholar.google.com/scholar?hl=lt&as_sdt=0%2C5&q=music+recommendation+system+IT+machine+learning+-deep&btnG=#d=gs_qabs&t=1755703523080&u=%23p%3Dni2ePfO_dlYJ
| Bakalauro kursinio darbo | | Bakalauro baigiamojo darbo |
| Paslaugų integracija (moderniųjų informacinių sistemų, paslaugų ar kitų išorinių komponentų integracija pagal taikymo sritį, architektūrinių sprendinių kūrimas bei tyrimai, įskaitant įvairių taikomųjų sričių signalų apdorojimo uždavinius) |
| Duomenų modeliavimas (reliacinių, struktūruotų ir nestruktūruotų duomenų modeliavimas, duomenų valdymo ir specializuotų duomenų bazių taikymai ir tyrimai) |
| Moderniosios interneto paslaugos (moderniųjų interneto paslaugų kūrimas ir jų tyrimai kontekstualizuotose aplinkose, pavyzdžiui, mobiliose, mikro servisuose) |