PRASETYA, ADI RIYAN (2019) A Model-Based Music Recommender System using Collaborative Filtering Technique. S1 thesis, Universitas Mercu Buana Jakarta.
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (JURNAL MAHASISWA)
JURNAL YUDISIUM.pdf Restricted to Registered users only Download (1MB) |
Abstract
Collaborative filtering (CF) techniques have been proven to be one of the successful approaches to building music recommender systems (MRS). The CF’s system work by creates suggestions for users based on their neighbors preferences. On the other hand the online music sites data are highly dynamic. As a result, the listeners face the problem of missing music suggestions. Recommender systems help the users to find their music interests and information they are looking for. In this paper we provide other researchers in that field with new valuable knowledge and insights regarding music recommendations using collaborative filtering technique. We then present three main categories of collaborative filtering techniques: memory-based, model-based, and the last hybrid method that combining collaborative and content-based, also we provide more insight how MRS generate recommendations. General Terms: Recommender System, Collaborative Filtering Keyword: Music Personalization, Music Recommendation System Collaborative Filtering (CF) telah menjadi salah satu metode teknik pendekatan yang banyak berhasil membangun sebuah Music Recommender Systems (MRS). Sistem Collaborative Filtering bekerja dengan membuat saran untuk pengguna berdasarkan similar dari konten yang mereka sukai (Neighbors Preferences). Perkembangan situs musik bergerak sangat cepat. Akibatnya, para pengguna dari layanan tersebut menghadapi masalah hilangnya similar konten berupa saran atau rekomendasi musik yang mungkin akan disukai, dimana pengguna dapat menemukan relasi dari musik yang mereka mainkan atau yang telah mereka masukan ke dalam daftar putar (Playlist). MRS telah banyak membantu pengguna dimana si pengguna lebih mudah menemukan minat dan informasi yang mereka cari. Dalam makalah ini kami menyajikan tiga kategori utama yang dimiliki Collaborative Filtering, diantaranya CF berbasis memori, CF berbasis model, dan CF berbasis Hybrid, dengan memberikan sebuah gambaran dan wawasan baru mengenai bagaimana MRS dengan Collaborative Filtering bekerja. Istilah umum: Recommender System, Collaborative Filtering Keyword: Music Personalization, Music Recommendation System
Actions (login required)
 |
View Item |
