Αυτόματη δημουργία λιστών αναπαραγωγής μουσικών κομματιών με τεχνικές μηχανικής μάθησης

Δαγκλής, Θεοφάνης; Dagklis, Theofanis

dc.contributor.author	Δαγκλής, Θεοφάνης	el
dc.contributor.author	Dagklis, Theofanis	en
dc.date.accessioned	2022-09-15T07:22:35Z
dc.date.available	2022-09-15T07:22:35Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/55661
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.23359
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc/3.0/gr/	*
dc.subject	Τεχνητή νοημοσύνη	el
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Μηχανική μάθηση	el
dc.subject	Συστήματα προτάσεων	el
dc.subject	Συνεργατικό φιλτράρισμα	el
dc.subject	Artificial intelligence	en
dc.subject	Μachine learning	en
dc.subject	Neural networks	en
dc.subject	Recommendation systems	en
dc.subject	Collaborative filtering	en
dc.title	Αυτόματη δημουργία λιστών αναπαραγωγής μουσικών κομματιών με τεχνικές μηχανικής μάθησης	el
heal.type	bachelorThesis
heal.classification	Τεχνητή νοημοσύνη	el
heal.classification	Μηχανική μάθηση	el
heal.classification	Νευρωνικά δίκτυα	el
heal.classification	Συστήματα προτάσεων	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2022-03-22
heal.abstract	Η ιδέα της νοημοσύνης των μηχανών απασχόλησε την επιστημονική και τεχνική σκέψη ήδη από το 1950. Το σημερινό επιστημονικό και τεχνικό υπόβαθρο έχει καταστήσει την Τεχνητή Νοημοσύνη σε ένα σημαντικό επιστημονικό πεδίο με ευρύτατη εφαρμογή. Η ραγδαία αύξηση της υπολογιστικής ισχύος, η βελτίωση των συσκευών αποθήκευσης, τόσο σε όγκο αλλά και σε ταχύτητα, αλλά και η διάδοση της χρήσης αισθητήρων καθιστούν δυνατή την εφαρμογή τεχνικών μηχανικής μάθησης που ήταν απαγορευτικές στο παρελθόν. Ένα πεδίο της μηχανικής μάθησης με πολύ έντονο ερευνητικό και οικονομικό ενδιαφέρον και ευρεία εφαρμογή αποτελεί η διαμόρφωση εξατομικευμένων προτάσεων. Τα συστήματα προτάσεων έχουν ως στόχο την διαλογή αντικειμένων που ενδέχεται να ενδιαφέρουν έναν συγκεκριμένο χρήστη. Η παρούσα εργασία καταπιάνεται με την διαμόρφωση προτάσεων μουσικών κομματιών βάσει λιστών αναπαραγωγής. Συγκεκριμένα αναλύονται, αναπτύσσονται και συγκρίνονται διαφορετικές τεχνικές μηχανικής μάθησης συνεργατικού φιλτραρίσματος, μιας οικογένειας αλγορίθμων που αποσκοπεί στην εύρεση κατάλληλων προτάσεων για έναν χρήστη, βάσει της αλληλεπίδρασης του με ένα σύνολο αντικειμένων. Η πρώτη προσέγγιση εφαρμόζει μία ευρέως διαδεδομένη τεχνική βασιζόμενη στην παραγοντοποίηση πινάκων, ενώ η δεύτερη είναι η ανάπτυξη μίας σειράς μοντέλων που βασίζονται στους Αυτοκωδικοποιητές, εκκινώντας από τον απλό Αυτοκωδικοποιητή, συνεχίζοντας με τον Αυτοκωδικοποιητή Αποθορυβοποίησης και καταλήγοντας στον Αυτοκωδικοποιητή Διακύμανσης. Σκοπός της εργασίας είναι η εξέταση της αποτελεσματικότητας των Αυτοκωδικοποιητών Διακύμανσης στην διαμόρφωση προτάσεων μουσικών κομματιών σε λίστες αναπαραγωγής, καθώς και η σύγκριση με τη χρήση της ευρέως διαδεδομένης τεχνικής της Παραγοντοποίησης Πινάκων. Επιπλέον, τα αποτελέσματα οπτικοποιούνται με σκοπό την καλύτερη εποπτεία και τη δυνατότητα σύγκρισης και εξαγωγής ποιοτικών συμπερασμάτων.	el
heal.advisorName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας-Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών	el
heal.academicPublisherID	ntua
heal.fullTextAvailability	false