| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Gomes, Eduardo Monteiro de Castro | - |
| dc.contributor.author | Mendes, João Victor Melo Corrêa | - |
| dc.identifier.citation | MENDES, 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.description | Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2023. | pt_BR |
| dc.description.abstract | O 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.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Spotify (Plataforma de streaming) | pt_BR |
| dc.subject.keyword | Software R | pt_BR |
| dc.subject.keyword | Python (Linguagem de programação de computador) | pt_BR |
| dc.title | Spotify : automatização de playlists | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2024-05-15T12:03:21Z | - |
| dc.date.available | 2024-05-15T12:03:21Z | - |
| dc.date.submitted | 2023-12-20 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/38512 | - |
| dc.language.iso | Português | pt_BR |
| dc.rights.license | A 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.abstract1 | The 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
|
