Музичний сервіс із нейромережевою системою рекомендацій та кросплатформним клієнтом

Abstract

Актуальність. Музичні сервіси стали важливою складовою життя багатьох людей у світі. Кількість підписників YouTube Music, Spotify та інших давно перейшла межі сотень мільйонів активних підписників. Ці сервіси дають змогу людям слухати музику у зручному вигляді через зручні клієнтські застосунки або веб-клієнти, мати змогу одразу отримувати музику з онлайну без довгих пошуків необхідних файлів та дисків. Також ці сервіси допомагають знайти нову музику беручи до уваги смаки користувача, аналізуючи його плейлісти, історію прослуховувань виконавців, їх пісень. Об’єктом дослідження є процес надання рекомендацій на основі рекомендаційної системи. Предметом дослідження є методи розробки рекомендаційної системи. Метою даного дослідження є покращення роботи рекомендаційних систем за допомогою нейромережі із використанням k-means алгоритму. В якості засобу розроблення системи було обрано PyCharm та мову програмування Python. Інструментами розроблення були обрані бібліотека для імпорту та експорту даних Pickle та бібліотека для роботи з алгоритмами нейронних мереж sckit-learn, бібліотека для побудови графічних інтерфейсів Kivy.. Результатом роботи є повноцінна система для прослуховування музики з системою рекомендацій. Робота складається зі вступу, 3 розділів, 2 спеціальних розділів, висновку, списку використаних джерел (28 найменувань). Робота містить 19 рисунків. Загальний обсяг становить 103 сторінок. Topicality. Music services have become an important part of the lives of many people in the world. The number of subscribers to YouTube Music, Spotify and others has long crossed the hundreds of millions of active subscribers. These services allow people to listen to music in a convenient way through convenient client applications or web clients, to be able to immediately receive music from the Internet without long searches for the necessary files and discs. Also, these services help to find new music, taking into account the user's tastes, analyzing his playlists, listening history of artists, their songs. The object of the research is the process of providing recommendations based on the recommendation system. The subject of the research is the methods of developing a recommendation system. The purpose of this research is to improve the performance of recommender systems using a neural network using the k–means algorithm. PyCharm and the Python programming language were chosen as a system development tool. Pickle library for data import and export and sckit-learn library for working with neural network algorithms, Kivy library for building graphical interfaces were chosen as development tools. The result is a full-fledged system for listening to music with a system of recommendations. The work consists of an introduction, 3 chapters, 2 special chapters, a conclusion, a list of sources used (28 items). The work contains 19 drawings. The total volume is 103 pages.