СЕМАНТИЧНЕ ТА ЕМОЦІЙНЕ ЗБАГАЧЕННЯ КОНТЕНТУ ДЛЯ ПІДВИЩЕННЯ ЯКОСТІ РЕКОМЕНДАЦІЙ У ГІБРИДНІЙ СИСТЕМІ РЕКОМЕНДАЦІЙ МУЗИЧНОГО СЕРВІСУ

Abstract

У роботі представлено розробку методу семантичного та емоційного збагачення контенту для покращення Content-Based Filtering у гібридній системі рекомендацій музичного сервісу. Запропонований метод використовує аналіз користувацьких коментарів до пісень через обробку природної мови (NLP) для отримання семантичних векторів та емоційних профілів, які додаються до традиційних audio features пісень. Реалізовано повнофункціональну систему, що включає автоматичний NLP-аналіз коментарів при їх створенні, агрегацію семантичних та емоційних ознак на рівні пісні, та інтеграцію цих ознак у Content-Based Filtering. Система протестована на наборі з 100+ пісень та 200+ коментарів, демонструючи вдосконалення якості рекомендацій через врахування семантичної та емоційної схожості між піснями. Наукова новизна роботи полягає у розробці методу семантичного та емоційного збагачення контенту через аналіз користувацьких коментарів та інтеграції цих ознак у Content-Based Filtering для музичних рекомендацій.