کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4946085 1439270 2017 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A smartphone-based activity-aware system for music streaming recommendation
ترجمه فارسی عنوان
یک سیستم عامل مبتنی بر گوشی هوشمند برای توصیه پخش موسیقی
کلمات کلیدی
به رسمیت شناختن فعالیت زمینه آگاهی، توصیه موسیقی موبایل، استخراج ویژگی، طبقه بندی، گوشی های هوشمند،
ترجمه چکیده
اطلاعات متنی در ساخت سیستم هایی هستند که می توانند نیازهای کاربران را به صورت موثر و عملی تر برآورده کنند. فعالیت بشر نوع خاصی از اطلاعات متنی را فراهم می کند که می تواند با داده های محیطی درک شده برای تعیین فعالیت های مناسب خدماتی ترکیب شود. در این مطالعه، ما یک سیستم تلفن همراه مبتنی بر گوشی هوشمند که شامل دو ماژول اصلی برای شناخت فعالیت های انسانی است و پس از آن توصیه های جریان موسیقی را مطابق با آن ایجاد می کنیم. روش های یادگیری ماشین با تکنیک های انتخاب ویژگی برای تشخیص فعالیت از سیگنال های گوشی هوشمند استفاده می شود و روش های فیلتر سازی مشترک برای توصیه های موسیقی پذیرفته شده است. یک سری آزمایش ها برای ارزیابی عملکرد چارچوب فعالیت های ما انجام می شود. علاوه بر این، ما یک سیستم توصیه شده برای جریان موسیقی تلفن همراه را بر روی یک پلتفرم تلفن هوشمند ابداع میکنیم تا نشان دهد که رویکرد پیشنهادی عملی و کاربردی برای برنامههای دنیای واقعی است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
یک سیستم عامل مبتنی بر گوشی هوشمند برای توصیه پخش موسیقی
چکیده انگلیسی
Contextual information is helpful in building systems that can meet users' needs more efficiently and practically. Human activity provides a special kind of contextual information that can be combined with the perceived environmental data to determine appropriate service actions. In this study, we develop a smartphone-based mobile system that includes two core modules for recognizing human activities and then making music streaming recommendation accordingly. Machine learning methods with feature selection techniques are used to perform activity recognition from smartphone signals, and collaborative filtering methods are adopted for music recommendation. A series of experiments are conducted to evaluate the performance of our activity-aware framework. Moreover, we implement a mobile music streaming recommendation system on a smartphone-cloud platform to demonstrate that the proposed approach is practical and applicable to real-world applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Knowledge-Based Systems - Volume 131, 1 September 2017, Pages 70-82
نویسندگان
, , , ,