طراحی سیستم پیشنهاددهنده موسیقی ایرانی با استفاده از داده‌کاوی :پایان نامه کارشناسی ارشد مهندسی فناوریِ اطلاعات

طراحی سیستم پیشنهاددهنده موسیقی ایرانی با استفاده از داده‌کاوی :پایان نامه کارشناسی ارشد مهندسی فناوریِ اطلاعات

یکی از رشته های زیر مجموعه فنی مهندسی که علاقمندان بسیاری در کشور ما  دارد رشته کامپیوتر و فناوری اطلاعات هستش که اتفاقا سایت مسترداک در حال تکمیل سری جدیدی از پایان نامه های ارشد این رشته تحصیلی برای کاربران گرانقدر خود میباشد. دیجی لود در ادامه پایان نامه “طراحی سیستم پیشنهاددهنده موسیقی ایرانی با استفاده از داده‌کاوی ”  با فرمت Word (قابل ویرایش) در ۹۸ صفحه را معرفی مینماید.

چکیده پایان نامه طراحی سیستم پیشنهاددهنده موسیقی ایرانی با استفاده از داده‌کاوی:

به دلیل رشد بی‌رویه فایل‌های موسیقی و ایجاد کتابخانه‌های عظیم دیجیتال، بازیابی اطلاعات موسیقی و سازمان‌دهی آن بر اساس نوع ژانر یا خواننده و یا حالت و … تبدیل به چالشی مهم شده است. علاوه بر آن افراد ذائقه‌های مختلفی در انتخاب موسیقی دارند و یا در شرایط مختلف نیازهای متفاوتی به نوع و حالت موسیقی دارند که با توجه به حجم زیاد موسیقی یافتن فایل‌هایی که مرتبط با ذائقه و یا نیاز افراد باشد کاری دشوار به نظر می‌رسد از همین روست که در سال‌های اخیر  توجه خاصی به بازیابی اطلاعات موسیقی شده است. هم اکنون فراداده‌یی نظیر نام فایل، خواننده، اندازه فایل، تاریخ وژانر به صورت معمول در رده‌بندی و بازیابی این رکوردها مورد استفاده قرار می‌گیرد. اما این دسته‌بندی‌ها پاسخ‌گوی نیاز دنیای امروز نیست.

هدف اصلی این پایان­نامه بهبود روش‌های پیشنهاددهی موسیقی  با استفاده ازویژگی‌های محتوایی و همچنین مدیریت پروفایل‌های مشتری می‌باشد. در راستای دست یافتن به این هدف رده‌بندی فایل‌های موسیقی در کلاس‌هایی مانند خواننده و ژانر و یافتن موسیقی‌هایی که از نظر موسیقیای به هم شباهت دارند و همچنین پیشنهاد بر اساس مشتری‌هایی که ذائقه‌های مشترک دارند را می‌توان به خدمت گرفت.

در این پایان‌نامه در جهت رسیدن به اهداف ذکر شده، یکی ازکارهای انجام گرفته یافتن یک ویژگی رده­بندی جدید به نام Area Method of Moment می­باشد. این ویژگی بالاترین درصد کارایی را در رده‌بندی ژآنر به دست داده است. علاوهبراین، با استفاده از همین ویژگی‌هایی که نشان‌دهنده یک ویژگی موسیقیای خاص است میزان شباهت فایل‌های موسیقی به هم اندازه‌گیری شده و به کاربران پیشنهاد شده که با توجه به بازخورد کاربران به ارزیابی میزان صحت می‌پردازد. در ادامه  برای به خدمت گرفتن روش Collaborative flittering    به ارائه معیاری جدید در یافتن شباهت میان پروفایل‌هامی‌پردازیم. به دلیل این که هدف اصلی این پایان‌نامه کار کردن بر روی موسیقی ایرانی است، بنابراین به علت عدم  وجود مجموعه داده مناسب، برای شروع مناسب، ایجاد مجموعه داده مناسب در اولویت تحقیق قرار گرفته است. شایان ذکر است که برای ارزیابی و دریافت بازخورد مشتریان، برنامه کاربردی با ویژگی‌های مذکور پیاده سازی شده است.

از آنجایی که در دنیای رقابتی امروز یافتن موسیقی مورد پسند افراد در صنعت فروش موسیقی از اهمیت بالایی برخوردار استروش‌های پیشنهاد شده در این تحقیق می‌تواند بسیار کاربردی باشد. با توجه به نتایج به دست آمده دراین تحقیق، امید آن می­رود که کمپانی‌های فروش موسیقی آن‌ها را در سطح تجاری مورد استفاده قرار دهند. همچنین روش‌های ارائه شده در این سیستم پیشنهاددهنده می‌تواند برای سایر سیستم‌های پیشنهاددهنده نیز مورد استفاده قرار گیرد.

 

اهداف و دستاوردها

اهداف اصلی این تحقیق از قرار زیر هستند:

  • ارائه روشی برای بهبود رده‌بندی سبک موسیقی
  • ارائه روشی برای بهبود سیستم پیشنهاد دهنده موجود موسیقی
  • پیاده سازی برنامه کاربردی سیستم پیشنهاد دهنده موسیقی

 

دستاوردهایی که در این زمینه بدست می­آید شامل موارد زیر است:

  • تولید یک مجموعه داده موسیقی بر اساسویژگی‌های محتوایی سیگنال صوتی با فرا داده‌های سبک، خواننده و حالت موسیقی
  • معرفی یک ویژگی جدید در رده‌بندی موسیقی با کارایی بسیار بالا
  • ارائه یک مدل پیشنهاد دهنده بر اساس میزان شباهت موسیقی‌ها با استفاده از ویژگی معرفی شده
  • ارائه یک معیار جدید شباهت پروفایل‌های مشتری
  • ارائه یک روش جدید برای انتخاب موسیقی از پروفایل‌های مشابه
  • پیاده سازی برنامه کاربردی پیشنهاد موسیقی

 

ساختار پایان نامه

در ابتدای فصل دوم این نوشتار به معرفی مفاهیم اصلی مربوط به موسیقی پرداخته و در بخش دوم آن به معرفی ویژگی‌های محتوایی سیگنال صوتی می‌پردازیم در بخش سوم مجموعه داده‌های موجود و مورد استفاده در جامعه علمی مورد بررسی قرار می‌گیرد. در بخش چهارم این فصل به بحث رده‌بندی موسیقی پرداختهمی‌شود و در پایان این فصل سیستم پیشنهاددهنده موسیقی مورد کنکاش قرار می‌گیرد. در ابتدای فصل سوم به توضیح چگونگی تولید مجموعه داده‌های موسیقی ایرانی پرداخته و مراحل مختلف آن را بررسی می­کنیم و بعد از به معرفی ویژگی Area method of moments of MFCC که کارایی بالایی در رده‌بندی موسیقی دارد ولی تا به حال مورد استفاده قرار نگرفته است، خواهیم پرداخت. در ادامه فصل سوم معیار شباهت پروفایل جدید خود را معرفی خواهیم کرد. و در پایان این فصل برنامه کاربردی توسعه یافته به منظور پیشنهاد دهی موسیقی معرفی خواهد شد. در فصل چهارم به تحلیل نتایج به دست آمده پرداخته و در نهایت در فصل پنجم به جمع­بندی، نتیجه­گیری و ارایه چشم­اندازی برای کارهای آینده می­پردازیم.

 

فهرست مطالب

  • فصل اول:مقدمه
  • ۱-۱ مقدمه…………………۲
  • ۱-۲تعریف مساله……………۲
  • ۱-۳اهداف ودستاوردها…………………۴
  • ۱-۴ساختارپایان نامه……….. ………۵
  • فصل دوم: بر متون گذشته مرور
  • ۲-۱ مقدمه….. ……………۸
  • ۲-۲موسیقی و ویژگی‌های آن.. …….۸
  • ۲-۲-۱موسیقی چیست ………..۸
  • ۲-۲-۲    ویژگی‌های صوتی موسیقی…. ……..۹
  • ۲-۲-۳    تولید موسیقی……. ………………………..۱۰
  • ۲-۳استخراج ویژگی‌های محتوایی از فایل صوتی………. ………۱۳
  • ۲-۳-۱انواع ویژگی‌ها… ………………..۱۳
  • ۲-۳-۲  تقسیم بندی ویژگی‌ها از   نظر طول فریم…….. ………………….۲۷
  • ۲-۴ مجموعه داده‌ها….. ……..۲۸
  • ۲-۵رده‌بندی موسیقی…. …………..۲۸
  • ۲-۵-۱    رده‌بندی.. ………….۲۸
  • ۲-۵-۲    رده‌بندی در متون گذشته………… ……….۳۱
  • ۲-۶سیستم‌های پیشنهاددهنده.. ……….۳۵
  • ۲-۶-۱انواع سیستم‌های پیشنهاددهنده….. ………..۳۵
  • ۲-۶-۲سیستم‌های پیشنهاد دهنده موسیقی…. ………..۳۷
  • ۲-۷ نتیجه……. ……………۳۸
  • فصل سوم:روش پیشنهادی
  • ۳-۱مقدمه………. …………………..۴۰
  • ۳-۲ تولید مجموعه داده از موسیقی ایرانی…….. ………………۴۱
  • ۳-۲-۱    جمع‌آوری داده‌ها و فرا داده‌ها و پیش پردازش……… ………………۴۱
  • ۳-۲-۲    استخراج ویژگی‌ها…………… ………………..۴۲
  • ۳-۲-۳    ویژگی‌های مجموعه داده‌ها……………. …………..۴۳
  • ۳-۳ ویژگی Area Method Of Moment of MFCC……….……………………………
  • ۳-۳-۱عملگر …………………………………..Area Method Of Moment
  • ۳-۳-۲روش محاسبه Area Method Of Moment of MFCC……………
  • ۳-۴معرفی معیار شباهت پروفایل جدید…….. …………….۴۹
  • ۳-۴-۱    معیار شباهت پروفایل……. ……………۵۰
  • ۳-۵برنامه کاربردی پیشنهاددهنده موسیقی……… ……….۵۲
  • ۳-۵-۱    پیشنهاد دهی بر اساس شباهت موسیقی…….. …………۵۵
  • ۳-۵-۲    پیشنهاد دهی بر اساس شباهت پروفایل…. ………۵۶
  • ۳-۶نتیجه………. ………….۵۷
  • فصل چهارم: ارزیابی
  • ۴-۱مقدمه….. ………….۵۹
  • ۴-۲ارزیابی برتری مجموعه داده تولید شده…….. ………۵۹
  • ۴-۳ارزیابی ویژگیArea Method Of Moment of MFCC…………………………………
  • ۴-۳-۱رده‌بندی سبک……. ……………۶۱
  • ۴-۳-۲رده‌بندی دستگاه‌های موسیقی سنتی… …………۶۶
  • ۴-۳-۳پیشنهاددهی با استفاده از ویژگی Area Method Of Moment of MFCC68
  • ۴-۴ارزیابی معیارشباهت پروفایل…….. ……..۶۹
  • ۴-۵نتیجه………… ……………۶۹
  • فصل پنجم:نتیجه گیری و کارهای آینده
  • ۵-۱مقدمه…….. ……………۷۱
  • ۵-۲دستاوردهای تحقیق….. ……….۷۲
  • ۵-۳محدودیت­های تحقیق…. ………….۷۳
  • ۵-۴کارهای آینده………..۷۳

 

فهرست جداول

  • جدول۲-۱طبقه بندی ویژگی‌ها……….. ……………۱۴
  • جدول۲-۲ تقسیم بندی بر اساس طول فریم استخراج……………. …………..۲۷
  • جدول۲-۳مرور متون گذشته در ارتباط با رده‌بندی موسیقی…. …………….۳۱
  • جدول۲-۴مرور متون گذشته سیستم پیشنهاددهنده….. ………….۳۷
  • جدول۳-۱اطلاعات کلی از مجموعه داده…………… ………………۴۳
  • جدول۳-۲پراکندگی تعداد ویژگی‌ها در دسته‌های مختلف……… ……………۴۴
  • جدول۴-۱ درصد صحت برای هر ژانر در دو آزمایش…………… …………..۶۰
  • جدول۴-۲مجموعه آزمایش های انجام شده و ویژگی های آن……………………………..۳۷
  • جدول۴-۳مجموعه‌ها ویژگی‌های به کار رفتهدر آموزش درخت تصمیمی…………..۶۳
  • جدول۴-۴معیار Recall- precision وF-measure برای سبک مختلف……۶۳
  • جدول۴-۵مجموعه‌ها ویژگی‌های به کار رفته در آموزش درخت تصمیمی…………..۶۵
  • جدول۴-۶ معیار Recall- precision وF-measure برای موسیقی غربی……۶۵
  • جدول۴-۷ مجموعه‌ها ویژگی‌های به کار رفته در آموزش درخت تصمیمی………….۶۷
  • جدول۴-۸معیار Recall- precision وF-measure برای دستگاه‌های مختلف۶۷
  • جدول۴-۹ بازخورد به دست آمده از افراد……….. ……………..۶۹
  •  جدول۴-۱۰ کارایی معیار پیشنهاد شده………… …………..۶۹

 

مراحل خرید فایل دانلودی
اگر محصول را می پسندید لطفا آنرا به اشتراک بگذارید.

دیدگاهی بنویسید

0