spotify-recommender

sistema de recomendacion de canciones de spotify basado en gustos musicales

Autores

Fabian Perez, Paula Arguello, Manuel Herrera

Objetivo

Desarrollar un sistema de recomendación de canciones para Spotify basado en inteligencia artificial que, a partir del análisis de los gustos musicales de un usuario, sea capaz de predecir y sugerir con precisión canciones que se ajusten a sus preferencias personales.

Requirements

Para poder ejecutar el notebook es necesario instalar las librerias que se encuentran en requirements.txt asi:

pip install -r requirements.txt

Dataset

El dataset utilizado para el desarrollo del proyecto se encuentra en kaggle, se llama Spotify Tracks DB y contiene 232,725 canciones de spotify con sus respectivos atributos, para mas informacion de los atributos se puede acceder a la documentacion de la API de spotify aqui.

En la seccion de procesamiento del notebook se elabora en el proceso de limpieza y preprocesamiento de los datos.

Para este proyecto se agrego un atributo llamado sentyment, este atributo se obtuvo a partir de una combinacion de los atributos valence y energy de cada cancion como se muestra en la figura:

cada punto es una cancion, y segun el cuadrante en el que se encuentre se le asigna el valor del sentimiento, las canciones que queden dentro de la region sombreada tendran un sentimiento neutral asociado debido a la incertidumbre

Modelos

Dense Neural Networks, Decision Tree.

Metodo

Se usaron 3 modelos de aprendizaje automatico para la prediccion de canciones, cada uno de estos modelos tiene una tarea en especifico.

• El modelo 1 predice el genero de una cancion a partir de sus atributos
• El modelo 2 predice la popularidad de una cancion a partir de sus atributos
• El modelo 3 predice el sentimiento de una cancion a partir de sus atributos

luego a partir de esta inferencia, se busca en el dataset el top 5 canciones que maximicen la similaridad del coseno con la cancion de entrada, es decir, se busca las 5 canciones mas parecidas a la cancion de entrada.

Todo el metodo se desarrolla en el notebook

Para ejecutar la parte de la inferencia del notebook es necesario especificar una playlist de la cual se van a recuperar 5 canciones para la inferencia. Esta playlist debe ser publica y debe tener al menos 5 canciones

Resultados

A continuacion se muestra un ejemplo de ejecucion a partir de una cancion de entrada

Video

Se realizo un video explicando el proyecto, se puede acceder a el aqui:

https://www.youtube.com/watch?v=jaUXFd7hfJ8