Розмір шрифта:
РОЗРОБКА ЗАСТОСУНКУ МУЗИЧНИХ РЕКОМЕНДАЦІЙ З ВИКОРИСТАННЯМ КОГНІТИВНИХ КАРТ
Остання редакція: 2026-05-04
Анотація
Розглянуто моделювання процесу розробки програмного забезпечення системи музичних рекомендацій на
основі алгоритму VOMM (Variable Order Markov Model) з використанням апарату нечітких когнітивних карт.
Для кожного етапу каскадної моделі життєвого циклу побудовано когнітивну карту з визначенням концептівфакторів надійності та вагових коефіцієнтів причинно-наслідкових зв'язків. Розроблено програмну модель
ітеративної симуляції стану концептів на основі сигмоїдної функції активації та проаналізовано збіжність
цільового концепту надійності системи.
основі алгоритму VOMM (Variable Order Markov Model) з використанням апарату нечітких когнітивних карт.
Для кожного етапу каскадної моделі життєвого циклу побудовано когнітивну карту з визначенням концептівфакторів надійності та вагових коефіцієнтів причинно-наслідкових зв'язків. Розроблено програмну модель
ітеративної симуляції стану концептів на основі сигмоїдної функції активації та проаналізовано збіжність
цільового концепту надійності системи.
Ключові слова
Python; VOMM; музичні рекомендації; марковська модель змінного порядку; контекстне дерево; суфіксне дерево
Посилання
1. Begleiter R., El-Yaniv R., Yona G. On prediction using variable order Markov models. Journal of Artificial Intelligence
Research. 2004. 385–421р.
2. Ron D., Singer Y., Tishby N. The power of amnesia: Learning probabilistic automata with variable memory length. Machine
Learning. 1996. 117–149р.
3. Pazzani M. J., Billsus D. Content-based recommendation systems. The Adaptive Web. Lecture Notes in Computer Science.
Berlin. Springer, 2007. 325–341р.
4. Schedl M., Zamani H., Chen C.-W. et al. Current challenges and visions in music recommender systems research. International
Journal of Multimedia Information Retrieval. 2018. 95–116р.
Research. 2004. 385–421р.
2. Ron D., Singer Y., Tishby N. The power of amnesia: Learning probabilistic automata with variable memory length. Machine
Learning. 1996. 117–149р.
3. Pazzani M. J., Billsus D. Content-based recommendation systems. The Adaptive Web. Lecture Notes in Computer Science.
Berlin. Springer, 2007. 325–341р.
4. Schedl M., Zamani H., Chen C.-W. et al. Current challenges and visions in music recommender systems research. International
Journal of Multimedia Information Retrieval. 2018. 95–116р.
Повний текст:
PDF