Détection de contexte d’utilisation pour un système de recommandation musicale

Résumé

Nous écoutons de la musique tous les jours : dans la voiture, en travaillant, avec des amis et de la famille, et dans diverses autres circonstances. Il existe de nombreux contextes dans lesquels nous écoutons notre musique en streaming sur des plateformes telles que Spotify, Deezer, YouTube, etc. Les systèmes de recommandation utilisent les données contextuelles comme l’heure, le lieu, la date et d’autres paramètres pour suggérer des titres. Mais est-il possible de faire l’inverse ? Est-il possible d’utiliser les préférences des utilisateurs pour détecter les contextes dans lesquels ils écoutent leur musique ? L’utilisateur pourrait avoir accès directement à des recommandations plus personnalisées grâce à des playlists liées à ses contextes les plus fréquents. Cela éliminerait l’incertitude d’obtenir une playlist appropriée correspondant au contexte, réduirait la recherche longue et parfois fastidieuse de titres ou d’artistes, et limiterait le nombre de changements de musique intempestifs. Mais nous allons aussi étudier l’interface pour que les regroupements soient les plus interprétables et les plus compréhensibles possibles. Concrètement, nous allons récolter les préférences des utilisateurs afin de réaliser des expériences dessus, élaborer une méthode de clustering pour créer des regroupements aussi fidèles que possible et développer une interface permettant d’interpréter ces regroupements de manière optimale.

la date de réponse	21 juin 2024
langue originale	Français
L'institution diplômante	Universite de Namur
Superviseur	Benoît Frénay (Promoteur) & Julien Albert (Copromoteur)