Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/38512
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2023_JoaoVictorMeloCorreaMendes_tcc.pdf385,47 kBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorGomes, Eduardo Monteiro de Castro-
dc.contributor.authorMendes, João Victor Melo Corrêa-
dc.identifier.citationMENDES, João Victor Melo Corrêa. Spotify: automatização de playlists. 2023. 45 f., il. Trabalho de Conclusão de Curso (Bacharelado em Estatística) — Universidade de Brasília, Brasília, 2023.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2023.pt_BR
dc.description.abstractO presente trabalho tem como objetivo identificar e analisar práticas de automatização de playlists no Spotify, bem como organizar e classificar as músicas de forma precisa, e criar um sistema de recomendação aos usuários. Para isso, foi utilizado um conjunto de dados oriundo da página Kworb.net, o qual contém as músicas mais ouvidas do Spotify entre 2014 e 2022. Para a realização de todas as análises no estudo e criação das playlists, foram empregadas as técnicas estatísticas K-Nearest Neighbors (KNN) e Análise de Cluster, juntamente com uma análise de componentes principais (PCA). Além disso, para a apresentação dos resultados dos sistemas de recomendação musical, foi criada uma interface utilizando o Streamlit, a fim do usuário obter uma melhor visualização, e ainda, ser bastante interativo. Os resultados obtidos das playlists criadas, foram bastantes coesos e coerentes. Toda a implementação computacional foi construída utilizando as linguagens de programação Python e R.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordSpotify (Plataforma de streaming)pt_BR
dc.subject.keywordSoftware Rpt_BR
dc.subject.keywordPython (Linguagem de programação de computador)pt_BR
dc.titleSpotify : automatização de playlistspt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2024-05-15T12:03:21Z-
dc.date.available2024-05-15T12:03:21Z-
dc.date.submitted2023-12-20-
dc.identifier.urihttps://bdm.unb.br/handle/10483/38512-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The aim of this paper is to identify and analyze practices for automating playlists on Spotify, as well as organizing and classifying songs accurately, and creating a recommendation system for users. To do this, we used a dataset from the Kworb.net website, which contains the most listened to songs on Spotify between 2014 and 2022. To carry out all the analyses in the study and create the playlists, the statistical techniques K-Nearest Neighbors (KNN) and Cluster Analysis were used, along with a principal component analysis (PCA). In addition, for the presentation of the results of the music recommendation systems, an interface was created using Streamlit, in order for the user to obtain a better visualization, and also to be very interactive. The entire computer implementation was built using the Python and R programming languages.pt_BR
Aparece na Coleção:Estatística



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.