31424

ارائه مدل توصيه گر موسيقي محتوا-محور مبتني بر شبكه عصبي ساياميز

كارشناسي ارشد

مهندسي فناوري اطلاعات

1403

28/06/1403

بابك اميري

ندارم

مهندسي صنايع

در سال¬هاي اخير، طراحي و پياده سازي سامانه¬هاي توصيه¬گر در حوزه¬هاي مختلف به امري محبوب براي پژوهش¬گران بدل گرديده است. ارائه پيشنهاد درست و معنادار به كاربران براي يك مورد مشخص، مي¬تواند بر اساس علايق و سلايق و نيز رفتارهاي بررسي شده گذشته كاربران در تقابل با موارد متعدد و يا در طرفي ديگر بر اساس شباهت گزينه¬هاي موجود به يكديگر باشد. سامانه‌هاي توصيه¬گر موسيقي به دليل افزايش تعداد موسيقي ديجيتال موجود در اينترنت، روز به روز از محبوبيت بيشتري برخوردار شده¬اند. اين سامانه¬ها بر پايه تاريخچه‌ي گوش دادن به قطعات و سليقه كاربران، پيشنهاداتي براي آهنگ‌ها يا هنرمندان جديد ارائه مي‌دهند. براي تحقق فرآيند توصيه، سامانه¬هاي توصيه¬گر موسيقي يك تطابق، بين يك قطعه موسيقي و يك شنونده مشخص را از طريق استراتژي¬هاي توصيه ايجاد مي-كنند. بر خلاف اكثر حوزه¬هاي ديگر استفاده¬كننده از سامانه¬هاي توصيه¬گر، كه عمدتا به تكنيك فيلتر مشاركتي متكي هستند، توصيه¬گرهاي موسيقي به طور سنتي از رويكرد محتوا-محور استفاده كرده¬اند و در سال¬هاي گذشته مدل¬هاي توصيه¬گر موسيقي كه از داده¬هاي مشاركتي و محتوايي به صورت همزمان استفاده مي¬كنند، جايگزين مدل¬هاي فيلتر مشاركتي و محتوا-محور خالص شده¬اند. با اين حال، اكثر سامانه¬هاي پيشنهاد دهنده موسيقي، تنها بر اساس اطلاعات ابرداده مانند ژانر، هنرمند و آلبوم عمل مي‌كنند. اين رويكرد به نوعي موفق است، اما اغلب نمي¬تواند ابعاد ظريف و پيچيده موسيقي كه براي شنوندگان مهم هستند را درك كند. براي حل اين محدوديت، اين پايان‌نامه پيشنهاد توسعه يك سيستم توصيه¬گر موسيقي بر روي شبكه¬ تعبيه¬هاي سيگنال¬هاي صوتي بدست آمده از خروجي مدل هوش مصنوعي تعليم داده شده را مي‌دهد. اين رويكرد شامل تجزيه و تحليل سيگنال‌هاي صوتي آهنگ‌ها براي شناسايي الگوها و شباهت‌هايي است كه مي‌تواند براي ارائه پيشنهادات دقيق تر و شخصي‌تر به كاربران مورد استفاده قرار گيرد. هدف اصلي اين تحقيق، طراحي و پياده‌سازي يك نمونه اوليه از سيستم توصيه¬گر موسيقي است كه قادر به بهره‌گيري از شبكه شباهت سيگنال-هاي صوتي است و با ارائه پيشنهادات با كيفيت بالا و شخصي‌تر به كاربران، تجربه‌ي آن‌ها را در پلتفرم‌هاي استريم موسيقي بهبود مي‌بخشد.

1403/07/10

Content-based Music Recommender System based on Siamese Neural Network

9/18/2025 12:00:00 AM

In recent years, the design and implementation of recommender systems in various fields have become increasingly popular among researchers. Providing accurate and meaningful recommendations to users for a specific item can be based on their preferences and interests, as well as past behaviors, either in relation to multiple items or through the similarity of available options. Music recommender systems have gained popularity due to the growing number of digital music tracks available online. These systems offer recommendations for new songs or artists based on users' listening history and preferences. To enable this process, music recommender systems establish a match between a specific song and a listener through recommendation strategies. Unlike most other fields that rely heavily on collaborative filtering techniques, music recommenders have traditionally used content-based approaches. In recent years, hybrid music recommendation models that simultaneously use collaborative and content-based data have replaced pure collaborative or content-based filtering models. However, most music recommenders still rely on metadata like genre, artist, and album, which, while somewhat effective, often fail to capture the subtle and complex dimensions of music that are important to listeners. To address this limitation, this thesis proposes the development of a music recommender system based on embeddings of audio signals generated by a trained artificial intelligence model. This approach involves analyzing the audio signals of songs to identify patterns and similarities that can be used to provide more accurate and personalized recommendations to users. The main goal of this research is to design and implement a prototype of a music recommender system capable of leveraging a network of audio signal similarities to enhance user experience on music streaming platforms by offering high-quality, personalized recommendations.

سامانه توصيه كر , موسيقي , هوش مصنوعي , محتوا-محور

Recommender System , Music , Artificial Intelligence , Content-based

Alireza Badrikoohi

Dr. Babak Amiri