基于评论相似度推荐使用者歌曲.PDF

基於評論相似度推薦使用者歌曲 隊名：怎麼辦呢QAQ 隊員：蘇冠宇 陳奕帆 何依麗 報告大綱 開發目標 後端作業架構 前端作業架構 成果展示 延伸應用 競賽收穫 現有推薦系統 多以歌手本身或歌曲曲風作為推薦依據， 提供的推薦歌曲通常多為同種語言 基於評論相似度 的歌曲推薦 本專案以YouTube作為實驗平台， 並依照歌曲留言的情緒相似度 輔以歌曲音訊特徵來推薦歌曲 專案特色 基於評論相似度 的歌曲推薦 評論包含使用者的主觀感受與想 法 ，若將評論作為比較與後續推 薦的依據，更有機會推薦符合使 用者當下情緒的歌曲，也可推薦 多國語言歌曲。 基於評論相似度 的歌曲推薦 困難點與問題： 2013年還在聽的舉手 大推 ！超好聽 1. 罐頭留言 網友的陳年故事 2. 不相吻的情緒留言 他國語言的評論 3. 情緒分析系統的使用語言 核心分析與比較的特徵 1.主要根據情緒相似度進行比較 2.運用字詞內容來評斷跟篩選垃圾留言 • 對所有留言進行斷詞分析 • 建立字詞superset 並計算詞頻強弱 • 利用白/黑名單的方式過濾出想要的留言 3.加入Video跟Audio特徵 後端作業流程大綱 1. 留言情緒分析 IBM Watson 2. 留言字詞superset 建立與詞頻計算 NLTK 3. 過濾想要的留言 白/ 黑名單 4. 依評論與歌曲的特徵維度分群 Spectral Clustering 分群演算 5.增加推薦準確性深度學習模型MLP 後端程式架構  擷取YouTube歌曲評論 式 程 端 後 - YouTube ：目前歌曲資料庫最完整、龐大的網站 - 利用YouTube Data v3 API擷取歌曲評論 後端程式架構  情緒分析方式 式 程 端 後 • IBM Watson tone API - 分析評論情緒成分 - 利用整體比例呈現分析所得的五種情緒組成 (生氣、失望、害怕、悲傷、享受) - 只能分析英文 • Google Translation API - 將評論轉為英文 ，以便Watson Tone API 進行評論的情緒分析 後端資料分析遭遇難題  使用elbow-method找最佳分群數目 式 程 端 後 並沒有任何一個分群數目， 可以完美區隔資料 解決方法  嘗試加入多一點特徵 式