الموسيقى التلقائي التصنيف على أساس عادات الاستماع

Question

لقد خلق Winamp مثل مشغل الموسيقى في دلفي.ليست معقدة جدا بالطبع.فقط واحد بسيط.

ولكن الآن أود أن أضيف ميزة أكثر تعقيدا:الأغاني في المكتبة يجب أن يكون تلقائيا تصنيفها على أساس المستخدم عادات الاستماع.

وهذا يعني:يجب تطبيق "نفهم" إذا كان المستخدم يحب أغنية أو لا.و ليس فقط ما إذا كان هو/هي يحب ذلك ولكن أيضا كم.

توجهي حتى الآن (البيانات التي يمكن استخدامها):

• ببساطة قياس كيف في كثير من الأحيان أغنية لعبت في الوقت.بدء العد الوقت عندما كانت أغنية إضافتها إلى المكتبة بحيث الأغاني الأخيرة لم يكن لديك أي عيب.
• قياس كم أغنية لعبت في المتوسط (دقائق).
• بدءا من أغنية لكن مباشرة تغيير إلى واحد آخر ينبغي أن يكون لها تأثير سيء على الترتيب لأن المستخدم لا يبدو أن مثل أغنية.
• ...

فأرجو مساعدتي في هذه المشكلة ؟ أود فقط أن يكون لديك بعض الأفكار.لا تحتاج إلى تنفيذ في دلفي.

Answer 1

قياس كم أغنية لعبت في المتوسط (دقائق).

أنا لا أعتقد أن هذا هو مقياس جيد ، لأن أغنية طويلة اكتساب ميزة غير عادلة على أغنية قصيرة.يجب عليك استخدام مئوية بدلا من ذلك:

avg.مرة لعبت / إجمالي طول الأغنية

Answer 2

وأود أن تتبع جميع المستخدمين عادات الاستماع في قاعدة بيانات مركزية ، حتى تتمكن من تقديم التوصيات بناء على ما مثل أيضا ("الناس التي تحب هذه الأغنية أيضا أحب هذه الأغاني الأخرى")

بعض المقاييس الأخرى إلى النظر في:

• نسبة المرات التي الأغنية على الفور ردها (ex.وكانت هذه الأغنية على الفور ردها 12% من الأوقات كان لعب)

• لم بدوره على "تكرار هذه الأغنية" زر أثناء اللعب ؟

• مرات لعب لكل ساعة, يوم, أسبوع, شهر

• نسبة مرات وكانت هذه الأغنية تخطي.(ex.هذا وقد لعبت أغنية ، ولكن على الفور تخطي 99% من الوقت)

• نسبة أغنية استمعت إلى (المستخدم استمع إلى 50% من هذه الأغنية في المتوسط مقابل 100% من أغنية)

أيضا:

الاستماع المستخدم الميكروفون.هل الغناء على طول ؟ :D

ما حجم أنها تلعب الأغنية ؟ هل هم الساعد ؟

وضعت في "يوصي هذه الأغنية إلى الأصدقاء" زر (أن رسائل البريد الإلكتروني عنوان الأغنية إلى صديق أو ما شابه).الأغاني التي يوصي ، وربما مثل.

قد ترغب في القيام ببعض ميزة استخراج دفق الصوت و تجد الأغاني مماثلة.هذا صعب لكن يمكنك قراءة المزيد عن ذلك هنا:

"التلقائي ميزة استخراج لتصنيف البيانات الصوتية " http://www.springerlink.com/content/g71368g57x013j48/

"مفهوم نماذج من مجموعات الموسيقى على أساس شاملة ميزة الجيل مع الصدغي الإحصاءات" http://portal.acm.org/citation.cfm?id=1150523

"التعاونية استخدام الميزات في نظام توزيع لتنظيم مجموعات الموسيقى" http://www.idea-group.com/Bookstore/Chapter.aspx?TitleId=24432

Answer 3

واسمحوا تحط لاحتمالية مع مرور الوقت.يبدو أنك تحب الأغاني أفضل إذا سمعت لهم في كثير من الأحيان خلال آخر ن يوما ، في حين أن كبار السن الأغاني فقط على عارضة بالذكر ، منذ كنت مثلهم ولكن سمعت منهم كثيرا جدا على الأرجح.

على الأقل ولكن ليس آخر هل يمكن إضافة كشف فاز (وربما تردد الطيف) للعثور على غرار الأغاني التي يمكن أن توفر لك مع مزيد من البيانات من المستخدم إدخالها من خلال الاستماع إلى الأغاني.

وأود أيضا أن تذهب تجميع الأغاني التي لها نفس MP3-معرف العلامة هنا ، لأن هذا أيضا يعطي تلميحا ما على المستخدم حاليا.و إذا كنت ترغب في توفير بعض وظيفة التشغيل التلقائي ، من شأنه أن يساعد أيضا.بعد سماع كبيرة غوا أغنية التحول إلى فاسق غريب حتى لو كنت أحب الأغاني من كلا العالمين.

Answer 4

بخصوص مقاييس إضافية:لا أحد الجمع بين متري #4 متري رقم 5 ؟ إذا كانت الأغنية على الفور تخطي ، ثم نسبة استمع إلى 1% أو نحو ذلك, صحيح ؟ – marco92w 21 مايو في 15:08

هذه يجب أن تكون منفصلة.تخطي يجب أن النتيجة سلبية تصنيف الأغنية التي تم تخطي.ومع ذلك ، إذا كان المستخدم بإغلاق التطبيق عند أغنية تبدأ يجب أن لا نعتبر ذلك التصنيف السلبي ، على الرغم من نسبة قليلة فقط من الأغنية لعبت.

Answer 5

(ListenPartCount * (ListenFullCount ^ 2)) + (AverageTotalListenTime * ListenPartTimeAverage)
--------------------------------------------------------------------------------------------
               ((AverageTotalListenTime - ListenPartTimeAverage) + 0.0001f)

هذه الصيغة سوف تنتج لطيفة النتيجة ، حيث يمكن للمستخدم حقا مثل مجرد جزء من الأغنية ، وهذا ينبغي أن ينظر في النتيجة ، أيضا إذا كان المستخدم يحب الأغنية كاملة ثم ينبغي أن يكون الوزن الضعف.

يمكنك قرص هذا folmula بطرق مختلفة ، و.السابق تشمل المستخدم شجرة الاستماع, f.السابق إذا كان المستخدم يستمع أغنية واحدة و بعد أن يستمع أغنية أخرى عدة مرات ، إلخ.

Answer 6

استخدام التاريخ الأغنية تم إضافتها إلى المكتبة كنقطة انطلاق.

قياس كيف في كثير من الأحيان أغنية/النوع/الفنان/الألبوم لعبت (كليا أو جزئيا أو تخطي) - وهذا سوف يسمح لك أيضا لقياس مدى غالبا أغنية/النوع/الفنان/الألبوم هو لم يلعب.

تأتي مع الترجيح على أساس هذه المعايير ، عندما الأغنية النوع ، الفنان أو الألبوم لم يلعب كثيرا ، ينبغي أن رتبة سيئة.عندما فنان لعبت كل يوم أغاني هذا الفنان يجب أن تحصل على دفعة لكن قل من الفنان الأغاني هو لم يلعب هذه الأغنية لا يزال ينبغي أن رتبة منخفضة جدا

Answer 7

ببساطة قياس كيف في كثير من الأحيان أغنية كان لعبت في الوقت.

في كثير من الأحيان أذهب إلى تشغيل أغنية معينة, وبعد ذلك فقط اسمحوا لي بود تشغيل حتى نهاية ألبوم.لذلك هذه الطريقة من شأنها أن تعطي ميزة غير عادلة الأغاني في وقت متأخر في ألبوم.شيء قد ترغب في تعويض إذا كان مشغل الموسيقى الخاص بك يعمل بنفس الطريقة.

Answer 8

ماذا عن الذكاء الاصطناعي الأجهزة على هذه المشكلة ؟

حسنا!اسمحوا لي أن أقول أن تبدأ من الصفر يمكن أن يكون مضحكا حقا إلى استخدام شبكة من العملاء الخاصة بهم "الذكاء" و أخيرا جمع العميل النتائج في المركزية "المخابرات".

كل زبون يمكن أن تنتج بلده "تصنيفات المستخدم" استنادا إلى المستخدم habitudes (كما سبق وقال:متوسط listenig, listenig العد ، الخ...).

من مركز "ذكي" جامع يمكن دمج الفرد في التقييم "التقييم العالمي" عرض trands والاقتراحات كل مستوى عال تصنيف تحتاج إليها.

على أي حال لتدريب مثل هذا "الدماغ" يعني أن يكون لديك لحل المشكلة في تحليلي الطريقة الأولى, ولكن في الحقيقة يمكن أن يكون مضحكا لبناء مثل هذه السحابة من مترابط أدمغة صغيرة لإنتاج أعلى مستوى "الذكاء".

كالعادة وأنا لا أعرف المهارات الخاصة بك ، نلقي نظرة على الشبكات العصبية, الخوارزميات الجينية, المنطق الضبابي, التعرف على نمط و مشاكل مماثلة من أجل فهم أعمق.

Answer 9

يمكنك استخدام بعض وظيفة بسيطة مثل:

listened_time_of_song/(length_of_song + 15s) 

أو

 listened_time_of_song/(length_of_song * 1.1) 

وهذا يعني أنه إذا كانت أغنية توقفت في 15 ثانية ثم سيكون فندق مع النتيجة السلبية ، أو ربما الحالة الثانية أفضل (طول الأغنية قد لا يهم النهائي ملاحظة إذا كان المستخدم يستمع الأغنية كاملة)

طريقة أخرى قد تكون باستخدام الشبكات العصبية إذا كنت مشترك مع هذا الموضوع.