نویسنده : سپیده وانگهی

دانشكده : دانشکده تحصیلات تکمیلی و مجتمع فنی

رشته/گرایش تحصيلي : مهندسي كامپيوتر- نرم افزار

استاد راهنما (استاد مدعو) : , دکتر سید ابوالقاسم میرروشندل,

چكيده : چکیده: گسترش روز‌افزون اینترنت، فن‌آوری وب، شبکه‌ها و رسانه‌های اجتماعی و به‌تبع آن رشد سریع اطلاعات و داده‌های موسیقی و گسترش چشم‌گیر فروشگاه‌ها و خدمات برخط، به میزان قابل‌توجهی مشکل انتخاب مؤثر و دقیق قطعات موسیقی را افزایش می‌دهد. به عبارتی کاربران روزانه با حجم فراوانی از اطلاعات و داده‌های موسیقی مواجه می‌شوند که بخش عظیمی از آن از هیچ‌گونه سازمان‌دهی منطقی برخوردار نیست. بنابراین در چنین شرایطی نیاز به جستجوی داده و اطلاعاتی که هرچه بیشتر به خواسته و علایق کاربران نزدیک باشد به یک چالش تبدیل‌شده است و محققان را بر آن داشته تا از سیستم‌های توصیه‌گر برای فیلتر و مرتب کردن اقلام و اطلاعات بر اساس علایق کاربران درزمینۀ موسیقی بهره گیرند. اغلب سیستم‌های توصیه‌گر موسیقی بر اساس امتیاز کاربر ساخته‌شده است و این در حالی است که این نوع از مکانیسم از مشکل تنوع امتیاز رنج می‌برد. این عامل و نیز مشکلاتی از قبیل شروع سرد و پراکندگی داده‌ها باعث گردیده نتایج حاصل از این سیستم‌های توصیه‌گر غیرقابل‌اعتماد باشد. ازاین‌رو برای مقابله با برخی از مشکل‌های مطرح‌شده و نیز افزایش دقت و درستی نتایج به‌دست‌آمده از این سیستم‌ها و یافتن بهترین موسیقی موردعلاقه کاربران، از برچسب‌های اجتماعی به‌عنوان ابزاری توانمند در طراحی سیستم توصیه‌گر موسیقی استفاده‌شده است. در این پایان‌نامه با توجه به اینکه در حوزه سیستم توصیه گر موسیقی کمتر به روابط معنایی برچسب‌ها پرداخته‌شده است؛ برای ارائه پیشنهاد‌ها از روابط معنایی برچسب ها ازجمله برچسب های احساسی و نیز زمان برچسب‌گذاری استفاده‌شده است. فرض بر این است که برچسب‌های احساسی اختصاص داده‌شده توسط کاربران به موسیقی‌ها می‌تواند اطلاعات مفید اضافی در مورد اولویت، نظر و احساسات کاربران در اختیار قرار دهند و همچنین زمان برچسب گذاری می تواند در به‌روز بودن علایق کاربران به ما کمک کند. سیستم پیشنهادی بر اساس آزمایش‌های انجام‌شده کارایی و دقت بهتری نسبت به سایر روش ها دارا است.

تاريخ دفاع : 1396-8-9