Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A Network-Oriented Modeling Approach to Voting Behavior During the 2016 US Presidential Election Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Recommender System Based on Collaborative Filtering for Spotify’s Users

verfasst von : Javier Pérez-Marcos, Vivian López Batista

Erschienen in: Trends in Cyber-Physical Multi-Agent Systems. The PAAMS Collection - 15th International Conference, PAAMS 2017

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In recent years, with the rise of streaming services like Netflix or Spotify, recommender systems are becoming more and more necessary. The success of Spotify’s Discover Weekly, a music recommender system that suggests new songs to users every week, confirms the need to implement these recommender systems. In this paper we propose a methodology based on collaborative filtering to recommend music for Spotify’s users from an ordered list of the most played songs over a period of time.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Recommendation of Songs in Music Streaming Services: Dealing with Sparsity and Gray Sheep Problems
Nächstes Kapitel Hybrid Tourism Recommendation System Based on Functionality/Accessibility Levels
Fußnoten
Literatur
1.
Bateira, J.L.: Spotify-ed-music recommendation and discovery in spotify (2014)
2.
Celma, O.: Music Recommendation and Discovery in the Long Tail. Springer, Heidelberg (2010)
3.
Germain, A., Chakareski, J.: Spotify me: Facebook-assisted automatic playlist generation. In: 2013 IEEE 15th International Workshop on Multimedia Signal Processing (MMSP), pp. 025–028. IEEE (2013)
4.
Pichl, M., Zangerle, E., Specht, G.: # nowplaying on # spotify: leveraging spotify information on twitter for artist recommendations. In: International Conference on Web Engineering, pp. 163–174. Springer (2015)
5.
Sarwar, B., Karypis, G., Konstan, J., Riedl, J.: Item-based collaborative filtering recommendation algorithms. In: Proceedings of the 10th International Conference on World Wide Web, pp. 285–295. ACM (2001)
Metadaten
Titel
Recommender System Based on Collaborative Filtering for Spotify’s Users
verfasst von
Javier Pérez-Marcos
Vivian López Batista
Copyright-Jahr
2018
Buch
Trends in Cyber-Physical Multi-Agent Systems. The PAAMS Collection - 15th International Conference, PAAMS 2017

Print ISBN: 978-3-319-61577-6

Electronic ISBN: 978-3-319-61578-3

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-61578-3_22