Descrição:

Com a popularização dos formatos digitais de áudio, muitas pessoas passaram a construir grandes coleções pessoais de músicas em seus dispositivos, que expressam o seu gosto musical. Tais coleções chegam a possuir centenas ou milhares de faixas. No entanto, cada pessoa passa por variações diárias de humor, estado emocional e contexto, que podem afetar o conjunto de músicas que ela deseja ouvir num determinado momento. Com coleções muito grandes, a tarefa de seleção manual desses conjuntos, chamados de playlists, se torna trabalhosa. Por outro lado, a função de shuffle dos players de música, baseada em aleatoriedade, geralmente resulta em playlists desprovidas de relação entre as faixas.

Este projeto, desenvolvido por Alexandre Braga Saldanha, aluno de Ciência da Computação na Universidade Federal de São Carlos e Nathália Marques de Oliveira, aluna de Engenharia da Computação na Universidade de São Paulo, tem como objetivo o desenvolvimento de um sistema de recomendação dinâmica de músicas aplicado a coleções locais, que possibilite ao usuário ouvir músicas retiradas de sua própria coleção musical, selecionadas conforme o seu interesse demonstrado no momento.

O sistema de recomendação baseia-se em agrupamentos de músicas similares, gerados a partir de características extraídas das faixas de áudio que o usuário possui. Durante a reprodução, o sistema utiliza tais agrupamentos e o feedback implícito do usuário acerca das músicas recomendadas – interpretando músicas ouvidas como aceitas e músicas “puladas” como rejeitadas – para recomendar adequadamente a próxima música a ser ouvida.

Participantes:

Alexandre Braga Saldanha (Universidade Federal de São Carlos)

Nathália Marques de Oliveira

Professor Orientador: Prof. Dr. Jaime Simão Sichman

Co-orientadora: Profa. Dra. Katti Faceli (Universidade Federal de São Carlos)