Lestari, Melati Ayuning (2019) Rekomendasi Lagu Berdasarkan Lirik dan Genre Lagu Menggunakan Metode Word Embedding (Word2vec). Sarjana thesis, Universitas Brawijaya.
Abstract
Mendengarkan lagu telah menjadi kebiasaan dalam kegiatan sehari-hari masyarakat dengan berbagai tujuan, dan setiap waktu ada lagu yang disebarkan ke masyarakat salah satunya lewat penyedia layanan pemutar lagu. Pengguna layanan pun dihadapi pada keterbatasan untuk menjelajahi pilihan-pilihan lagu yang melimpah dengan banyaknya layanan pemutar lagu yang ada. Model perekomendasian lagu dapat memainkan peran sebagai penyeleksi lagu otomatis, sehingga memudahkan pengalaman pengguna. Penelitian model perekomendasian lagu ini menggunakan metode Word2vec Skip-Gram yang berperan untuk menghasilkan bobot yang berguna untuk query expansion dari lirik lagu yang dicari. Sebelumnya TF-IDF digunakan untuk menyeleksi kata-kata dalam lirik yang akan di proses. Model akan memberikan daftar lagu rekomendasi sebanyak 10 lagu. Hasil dari evaluasi daftar rekomendasi lagu menunjukkan nilai rata-rata Precision@10 tertinggi yang diperoleh sebesar 0.584 dan nilai Mean Average Precision (MAP) tertinggi diperoleh sebesar 0,7278.
English Abstract
Listening to songs has become a norm in society, serving many different purposes, and songs are released frequently nowadays, especially by media-service providers. Users need to overcome the struggle of selecting specific songs because of the enormous information provided by media-service providers. The song recommendation model can play an important part in this puzzlement as an automatic song selector, thus improving the user’s experience. In this research, the song recommendation model uses Word2vec Skip-Gram that functions as a query expansion for the sole purpose of finding the desired lyrics by producing a weight for query expansion. TF-IDF is first used to select the words in the lyrics that will be expanded. The model will give a list of 10 recommended songs. The evaluation results of the recommended song list shows the highest average of precision@10 score of 0.584 and the highest Mean Average Score (MAP) score of 0.7278.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/428/051905746 |
| Uncontrolled Keywords: | Recommendation, Song, Word2Vec, Skip-gram, TF-IDF, Query Expansion,Ccosine Similarity |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.7 Multimedia systems |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 24 Aug 2020 06:53 |
| Last Modified: | 24 Aug 2020 06:53 |
| URI: | http://repository.ub.ac.id/id/eprint/171886 |
Actions (login required)
 |
View Item |