Riassunto analitico
Nel panorama delle piattaforme di streaming musicale, che nel corso dell’ultimo decennio hanno assunto un ruolo predominante quali strumenti che accompagnano quotidianamente le persone durante lo svolgimento delle più comuni attività, i servizi di music recommendation si pongono come un nuovo sistema per consentire agli utenti di scoprire nuova musica. Le moderne tecniche di machine learning, intelligenza artificiale e data science consentono oggi di raggiungere risultati con un’accuratezza tale da renderli un potente e affidabile mezzo perfino agli occhi delle case discografiche che desiderano lanciare artisti emergenti verso le giuste direzioni. L’efficacia dei suggerimenti musicali basati sui gusti dell’utente ha attratto i maggiori streaming provider e diversi gruppi di ricercatori, portando a soluzioni sempre più avanzate che fanno uso dei diversi aspetti che si possono associare a un brano. Risulta dunque utile e di particolare interesse affacciarsi su questo scenario, proponendo un nuovo e alternativo metodo di generazione di playlist di suggerimenti musicali basato su tre aspetti cardine: la classificazione delle abitudini di ascolto di un dato utente, le informazioni quantitative (feature acustiche) associate ai brani apprezzati da questo e l’utilizzo della componente social presente nelle piattaforme di streaming per ottenere suggerimenti da amici e, più in generale, dagli altri utenti che si seguono.
|
