Desarrollo de un algoritmo para plataforma de emisión en continuo

En este trabajo se ha diseñado un algoritmo de recomendación musical para una plataforma de emisión en continuo. Analizando en paralelo la agenda y el historial de escucha del usuario, se detectan los patrones y tendencias que sigue el estudiante a lo largo de un curso académico. Posteriormente, utilizando métodos estadísticos, se particiona el historial en grupos eligiendo una canción típica que represente los atributos de cada grupo. Para cada canción representativa de su clase, se analizarán las propiedades de frecuencia comparando los resultados con los de una reputada plataforma. Por último, utilizando la metodología del diseño Kansei, se comprueba la relación entre las propiedades espectrales y los patrones seguidos en el intervalo estudiado.

In this work we have designed a music recommendation algorithm for a streaming platform. By analysing the user's agenda and listening history in parallel, the patterns and trends that the student follows throughout an academic year are detected. Later, using statistical methods, the history is partitioned into groups by choosing a typical song that represents the attributes of each group. For each song representative of its class, the frequency properties will be analysed by comparing the results with those of a reputed platform. Finally, using the Kansei design methodology, the relationship between the spectral properties and the patterns followed in the studied interval are tested.