Deejai : uma plataforma open source para recomendação de músicas para grupos de usuários de serviços de streaming

Consumir música é algo que fazemos tanto de forma individual quanto coletiva. Quando realizamos em conjunto é nos dada a possibilidade de criar uma relação emocional forte, pois associamos as pessoas com o ambiente e criamos uma experiência diferenciada. A definição se a experiência será boa ou não acaba ficando nas mãos de poucas pessoas, o artista que está tocando, o DJ da festa, ou o responsável pela playlist. Com o intuito de aprimorar a experiência de se consumir músicas em ambiente coletivo, nos propusemos a utilizar de estudos sobre sistemas de recomendação focado em música, aproveitando suas técnicas já estudadas para construir uma plataforma open source com a possibilidade de integrar dois serviços de streaming a fim de facilitar a colaboração dos usuários levando em consideração os seus gostos e principalmente seus desgostos para tentar melhorar o resultado da playlist gerada. Para a seleção das músicas foram utilizadas técnicas de recomendação híbrida, associando as músicas mais ouvidas por cada usuário individualmente nas plataformas de streaming, a fim de mitigar o problema de partida a frio que é quando não se sabe o que recomendar ao usuário inicialmente, associado a um filtro colaborativo dentro da plataforma desenvolvida. Para a definição de contexto foi criado uma estrutura de sala dentro da plataforma para associar os usuários com as músicas que serão ouvidas. O experimento consistiu na utilização de plataforma em dois momentos por três grupos focais onde a cada rodada o grupo avaliava individualmente as músicas que foram recomendadas dando notas de 1 a 5 para cada músicas, no primeiro momento a playlist foi gerada contendo apenas as músicas que os usuários individualmente gostam. Já num segundo momento, espaçado de 7 dias, a playlist gerada levou em consideração filtrar as músicas em que a médias das avaliações fosse menor que 4 adicionando novas músicas que estavam disponíveis e ainda sem votos dos usuários. As playlists geradas utilizam do EveryNoiseAtOnce onde os estilos são mapeados como ...