Остання редакція: 2025-05-05
Анотація
В даній роботі представлено результати розробки програмного модуля для збору та обробки статистичних даних із відкритих API музичних платформ Spotify та YouTube. Основною метою дослідження було створення інструменту для автоматизованого збору метаданих про треки та відео, їхню обробку та аналіз популярності музичного контенту. Модуль дозволяє отримувати актуальну інформацію про кількість прослуховувань, вподобань, жанри, тривалість композицій тощо. Проведений статистичний аналіз виявив характерні тенденції в динаміці популярності контенту, а також кореляцію між активністю користувачів на різних платформах. Результати тестування підтвердили стабільність роботи системи та її придатність для обробки великих обсягів даних. Отримані результати можуть бути використані для побудови аналітичних систем, прогнозування трендів та вивчення поведінки користувачів у цифровому музичному середовищі.
DEVELOPMENT OF A SOFTWARE MODULE FOR COLLECTING AND PROCESSING MEDIA PLAYBACK STATISTICS USING APIS
Abstract:
This paper presents the results of the development of a software module for collecting and processing statistical data from open APIs of music platforms Spotify and YouTube. The main goal of the research was to create a tool for automated collection of metadata about tracks and videos, their processing and analysis of the popularity of musical content. The module allows you to obtain up-to-date information about the number of listenings, likes, genres, duration of compositions, etc. The statistical analysis revealed characteristic trends in the dynamics of content popularity, as well as correlation between user activity on different platforms. The test results confirmed the stability of the system and its suitability for processing large amounts of data. The results obtained can be used to build analytical systems, predict trends and study user behavior in the digital music environment.
Ключові слова
Посилання
1. Karypis, G. Evaluation of item-based collaborative filtering algorithms / Karypis G. // Proceedings of the 2001 international conference on Knowledge discovery and data mining, ACM, 2001. - pp. 143-148.
2. Dastin, J. Spotify API: Developer's Guide / Dastin J. // O'Reilly Media, 2015. - 350 p.
3. He, X., Liao, L., Zhang, H., Nie, L., Hu, X., & King, I. Neural collaborative filtering / He X., Liao L., Zhang H., Nie L., Hu X., King I. // Proceedings of the 26th International Conference on World Wide Web, 2017. - pp. 173-182.
4. Zhang, Y., & Chen, X. A Survey of Hybrid Recommender Systems / Zhang Y., Chen X. // International Journal of Computer Science Issues (IJCSI), 2020. - 17(2), pp. 48-57.
5. Shardanand, U., & Maes, P. Social information filtering: algorithms for automating "word of mouth" / Shardanand U., Maes P. // Proceedings of the SIGCHI Conference on Human Factors in Computing Systems, 1995. - pp. 210-217.