УДК 004.048, 004.89, 004.9
DOI: 10.36871/2618-9976.2025.12–3.010

Авторы

И.В. Мещерякова,
Студент, Финансовый университет при Правительстве Российской Федерации, Москва, Россия

Аннотация

В данной статье рассматривается задача построения рекомендательной системы, которая подбирает музыкальные композиции, основываясь не только на сохранённых и ранее прослушанных пользователем, но и на других данных, содержащихся на страницах в социальных сетях. В этой работе описан алгоритм работы соответствующей рекомендательной системы, в основе которой лежит матричная факторизация. Работа базируется на выявленной корреляции метрик со страницы пользователя ВКонтакте с чертами личности (С.А. Щебетенко), черт личности с музыкальными предпочтениями (Э. Нусбаум, О. Лэдиниг и др.), объединяя их на основе системного подхода для разработки рекомендательного алгоритма. Алгоритм может быть полезен молодым соцсетям и музыкальным рекомендательным сервисам.

Ключевые слова

гибридные рекомендательные системы
матричная факторизация
модель личности «Большая Пятерка»
рекомендации музыкальных композиций

Список литературы

[1] Koohi Hamidreza, Kiani Kourosh. User based Collaborative Filtering using fuzzy C-means // Measurement. – September 2016. – Vol. 91. – P. 134–139. – URL: https://www.researchgate.net/ profile/Atta-Rehman-2/post/How_a_movie_recommendation_system_works/attachment/59d 626ee6cda7b8083a23da9/AS%3A520368910553088%401501077024168/download/User+ based+Collaborative+Filtering+using+fuzzy+C-means.pdf(дата обращения: 30.05.2024).

[2] Жарова М.А., Цурков В.И. Нейросетевые подходы для рекомендательных систем // Известия РАН. Теория и системы управления. – 2023. – № 6. – С. 150–165. – DOI: 10.31857/ S0002338823060124. – URL: https://sciencejournals.ru/cgi/getPDF.pl?jid=teorsist&year=20 23&vol=2023&iss=6&file=TeorSist2306012Zharova.pdf(дата обращения: 30.05.2024).

[3] Астафьева И.Н., Полякова С.В. Рекомендательная система подбора музыкальных композиций // International Journal of Open Information Technologies. – 2023. – Vol. 11, No. 7. – URL: http://injoit.org/index.php/j1/article/viewFile/1596/1485 (дата обращения: 30.05.2024).

[4] Игнатов Д.И., Ахматнуров М.Ю.Context-Aware Recommender System Based on Boolean Matrix Factorisation // Proceedings of the Twelfth International Conference on Concept Lattices and Their Applications. – Clermont-Ferrand, France, October 13-16, 2015. – Vol. 1466. – P. 99–110. – URL: https://publications.hse.ru/chapters/164010641 (дата обращения: 21.10.2025).

[5] Sharma Manika, Mittal Raman, Bharati Ambuj, Saxena Deepika, Singh Ashutosh Kumar. A Survey and Classification on Recommendation Systems // 7th International Conference on Smart Computing & Communications. – National Institute of Technology, Kurukshetra, Jan 2022. – URL: https:// masters.donntu.ru/2021/fisp/kovrik/library/article10.htm (дата обращения: 17.08.2025).

[6] Khorshidi S., Abbaschian A.J. A review of hybrid recommender systems // AD ALTA Journal of Interdisciplinary Research. – 2017. – Vol. 7, No. 2. – P. 259–263. – URL: https://www. magnanimitas.cz/ADALTA/0702/papers/I_khorshidi.pdf(дата обращения: 08.08.2025).

[7] Lee Harin, Jacoby Nori, Hennequin Romain, Moussallam Manuel. Mechanisms of cultural diversity in urban populations // Nature Communications. – 2025. – Vol. 16. – Article number: 5192. – URL: https://www.nature.com/articles/s41467-025-60538-2.pdf (дата обращения: 27.08.2025).

[8] Chamorro-Premuzic Tomas, Fagan Patrick, Furnham Adrian. Personality and uses of music as predictors of preferences for music consensually classified as happy, sad, complex, and social // Psychology of Aesthetics, Creativity, and the Arts. – 2010. – Vol. 4, No. 4. – P. 205–213.

[9] Nusbaum E.C., Silvia P.J. Shivers and Timbres: Personality and the Experience of Chills From Music // Social Psychological and Personality Science. – 2010. – Vol. 2, No. 2. – P. 199–204.

[10] Ladinig Olivia, Schellenberg Glenn E. Liking unfamiliar music: Effects of felt emotion and individual differences // Psychology of Aesthetics, Creativity, and the Arts. – 2012. – Vol. 6, No. 2. – P. 146–154.

[11] Щебетенко С.А. Большая пятерка черт личности и активность пользователей в социальной сети «Вконтакте» // Вестник ЮУрГУ. Серия «Психология». – 2013. – Т. 6. – № 4. – URL: https://cyberleninka.ru/article/n/bolshaya-pyaterka-chert-lichnosti-i-aktivnostpolzovateley-v-sotsialnoy-seti-vkontakte/viewer (дата обращения: 30.05.2024).

[12] Utami Ninda Anggoro, Maharani Warih, Atastina Imelda. Personality Classification of Facebook Users According to Big Five Personality Using SVM (Support Vector Machine) Method // Procedia Computer Science. – 2021. – Vol. 179. – P. 177–184. – URL: https://www.sciencedirect.com/ science/article/pii/S1877050920324650 (дата обращения: 30.05.2024).