Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº  2.040

Aluno: Flaviano Dias Fontes
Orientador: Prof. Giordano Ribeiro Eulalio Cabral
Título: Deejai: Uma plataforma open source para recomendação de músicas 
para grupos de usuários de serviços de streaming
Data: 15/08/2022
Hora/Local: 16h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. Filipe Carlos de Albuquerque Calegario (UFPE / Centro de Informática)
Prof. Gilberto Amado de Azevedo Cysneiros Filho (UFRPE / Departamento de Estatística e Informática)
Prof. Giordano Ribeiro Eulalio Cabral (UFPE / Centro de Informática)

RESUMO:

Consumir música é algo que fazemos ao longo dos séculos e é uma atividade 
bastante importante em nossas vidas. Realizar esse consumo de forma 
coletiva nos dá a possibilidade de criar uma relação emocional forte, pois 
associamos as pessoas ao redor com o ambiente que consumimos criando toda 
uma experiência diferenciada. Mas essa experiência acaba ficando nas mãos 
de poucas pessoas, o artista que está tocando, o DJ da festa, ou até o 
amigo que põe a sua playlist para tocar durante o encontro com os amigos. 
Para aprimorar a experiência de se consumir músicas em ambiente coletivo, 
nos propusemos a utilizar de estudos sobre sistemas de recomendação focado 
em música, aproveitando suas técnicas já estudadas para construir uma 
plataforma open source e com a possibilidade de integrar dois serviços de 
streaming a fim de facilitar a colaboração dos usuários levando em 
consideração os seus gostos e principalmente seus desgostos para tentar 
melhorar o resultado da playlist gerada. Foram utilizadas técnicas de 
filtro colaborativo aplicadas a grupo, de consumo das informações 
previamente disponíveis pelos usuários nos seus serviços de streaming, 
levando em consideração os problemas de partida a frio que essas técnicas 
apresentam além de uma filtragem automática das músicas que não agradam o 
indivíduo para responder a pergunta: Levar em consideração os desgostos dos 
usuários cria uma lista de reprodução mais legal. Foi criado o conceito de 
salas, local onde é definido um contexto para que os usuários possam 
acompanhar a montagem da playlist, um sistema de votação onde  é possível 
salvar a opinião de uma determinada música para melhorar as futuras 
recomendações, pois essa informação não é disponibilizada pelos serviços de 
streaming. Esse sistema de votação se mostrou importante, pois o consumo de 
música se mostrou algo muito efêmero, uma música que um usuário gosta muito 
hoje pode não ser tão apreciada meses depois. Além de que o consumo de 
músicas é baseado em um contexto, onde, por exemplo, o usuário tem a 
preferência em ouvir um determinado ritmo durante a prática de exercícios 
ou em uma festa e para um outro momento tem a preferência por outro, 
fazendo com que o não gostar dele possa ser tanto pra música que ele 
detesta, como também para músicas que não combinam com aquele contexto. Com 
base no do EveryNoiseAtOnce onde os estilos são mapeados como pontos 
cartesianos, a fim de aproximar estilos próximos é um bom auxílio para 
poder criar a playlist para usuário que possuem gostos muito distantes, 
pois é possível construir um caminho entre esses pontos, buscando o vizinho 
mais próximo.

Palavras-chave: Sistemas de recomendação para grupos. Filtro colaborativo.

Comentários desativados