Глибокий пошук музичних рекомендацій

Глибокий пошук музичних рекомендацій

Мені не подобаються рекомендації звичайних музичних сервісів: вони надто поверхневі. Тому я написав свій — з глибоким аналізом і урахуванням ваг. Сервіс бере топ-300 виконавців з Last.fm (або список введений вручну), для кожного знаходить топ-300 схожих, а далі будує таблицю схожості, агрегує бали й сортує результат. Виходить значно повільніше, зате релевантніше.

https://sergua.com/music/artists-recomendations

Ну відверто. Ви бачили ті рекомендації? У більшості сервісів, на мій погляд, половина рекомендацій непогана, а половина — казна-що. Чи вони підсовують те, що їм дешевше обходиться, чи є інші причини — не знаю. Але в рекомендаціях надто багато того, що відверто не хочеться слухати. Було таке, що мені попав індійський поп у рекомендації, хоча в мене суцільний метал, або щонайменше хард-рок. А враховуючи що рекомендації помітно відрізняються від сервісу до сервісу, лише підсилює мою впевненість що вони не об’єктивні. Давно хотілося зробити власну калькуляцію, а тут ще й AI - і я нарешті добрався.

Як же він працює

Спочатку сервіс витягує топ-300 виконавців користувача за весь час, за останній рік і за останній місяць. Потім складає ці числа, щоб краще врахувати і загальний профіль, і поточні музичні вподобання. За бажання можна вручну набрати список виконавців або лише підредагувати ваги — для поціновувачів точності. Можна навіть поставити від’ємну вагу, щоб приглушити стиль, що набрид.

Далі для кожного виконавця з отриманого списку сервіс шукає топ-300 схожих виконавців. Після цього він будує таблицю схожості: кожен знайдений виконавець отримує бал, пропорційний своїй схожості, помноженій на кількість ваших прослуховувань «опорного» виконавця, через якого він був знайдений. Потім усі бали агрегуються, сортуються і виводяться у вигляді списку рекомендацій.

Як користуватися

https://sergua.com/music/artists-recomendations

Comments