Generación automática de listas de reproducción de música mediante técnicas de minería de datos

Abstract

Los sistemas de recomendación representan un medio eficaz de filtrado cuando existe mucha información disponible para el usuario. Los métodos de recomendación más conocidos y ampliamente desarrollados en los últimos años son los de filtrado colaborativo, en los que se trabaja en base a las preferencias de los usuarios, es decir, las relaciones del pasado usuarios-ítems se utilizan para encontrar usuarios con preferencias similares y hacer uso de dicha similitud para predecir los ítems en los que un usuario podría estar interesado. Este trabajo se enfoca en los sistemas de recomendación de música, ya que debido al aumento de consumo musical, estos sistemas pueden resultar útiles para la creación de listas de reproducción de música relevante y novedosa en función de los gustos musicales personales del usuario. El gusto por la música es de carácter altamente subjetivo, por lo que esta tarea de investigación resulta desafiante. En este sentido, se ha desarrollado un método híbrido de recomendación, que integra las técnicas de filtrado colaborativo y las basadas en contenido. Para ello, se ha utilizado como fuente datos reales del consumo de música obtenidos mediante la API de Last.fm, para su posterior tratamiento y análisis. Asimismo, se han aplicado los algoritmos tradicionales y el propuesto, y se ha realizado un estudio comparativo entre éstos para evaluar su comportamiento en este contexto. Los resultados revelaron que al aplicar conjuntamente los métodos de filtrado colaborativo y basado en contenido la fiabilidad de las recomendaciones es mayor que al utilizarlos de forma independiente.