Zaczynam tworzyć aplikację wykorzystującą Machine Learning i potrzebuję znaleźć odpowiedni algorytm. Aplikacja działa w następujący sposób : użytkownik wybiera utwory muzyczne, które są opisane różnymi tagami (gatunek, wykonawca itp.), (te dane są przesyłane do algorytmu aby się AI się nauczyło). Ponadto AI zwraca również uwagę na czas poświęcony na odtwarzanie danego utworu. Na podstawie powyższych informacji musi zarekomendować kolejne utwory które będą się podobały. (jakiś zbiór powiedzmy kilka utworów). Niedawno wkroczyłem w świat ML i niespecjalnie wiem co wybrać. Proszę o propozycje wraz z uzasadnieniem. Z góry dziękuję.
0
2
Nie znam się na ML ale tu chodzi o wyszukanie po prostu podobnych utworów na podstawie tagów. Czyli zwykły algorytm rekomendacji. Czyli na podstawie co słucha, czyli na jakich kawałkach spędza najwięcej czasu, bierzesz ich tagi i szukasz podobnych utworów.
4
Żeby to miało sens z ML potrzebujesz dużej bazy użytkowników.
Wtedy AI jest w stanie wyłapać, że skoro użytkownicy podpadający pod jakaś grupę lubią jakiś konkretny utwór i obecny użytkownik podpada pod daną grupę to wtedy warto mu zaproponować dany utwór.
Z jednym użytkownikiem nie ma to sensu. Zwykła prosta statystyka powinna załatwić sprawę.
3
Może tak:
Każdy utwór to jest wektor w N-wymiarowej przestrzeni, gdzie każdy wymiar to potencjalna wartość metadanych utworu. Dzięki temu twój problem sprowadza się do szukania podobnych wektorów, np. za pomocą odległości cosinusowej.
W ten sposób dla danej piosenki łatwo znaleźć piosenki do niej "podobne". Potem bierzesz "wagę" na podstawie tego jak długo/często ktoś słucha piosenki X i proponujesz piosenki podobne do X tak często jak by to wynikało z tej długości/częstości.
4
https://github.com/fastai/fastbook/blob/master/08_collab.ipynb
I tyle w temacie, pozdrawiam:)