دانلود کتاب Music Recommendation and Discovery: The Long Tail, Long Fail, and Long Play in the Digital Music Space
36,000 تومان
توصیه و کشف موسیقی: The Long Tail، Long Fail و Long Play در فضای موسیقی دیجیتال
| موضوع اصلی | موسیقی: گیتار |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Springer-Verlag Berlin Heidelberg |
| تعداد صفحه | 194 |
| حجم فایل | 3 مگابایت |
| کد کتاب | 3642132863,9783642132865 |
| نوبت چاپ | 1 |
| نویسنده | |
|---|---|
| زبان |
انگلیسی |
| فرمت |
|
| سال انتشار |
2010 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
ترجمه فارسی توضیحات (ترجمه ماشینی)
توصیه و کشف موسیقی: The Long Tail، Long Fail و Long Play در فضای موسیقی دیجیتال
این روزها با وجود موسیقی بسیار بیشتر، روش‌های سنتی یافتن موسیقی کاهش یافته است. امروزه نمایش‌های رادیویی اغلب توسط شرکت‌های بزرگی برنامه‌ریزی می‌شوند که فهرست‌های پخشی را از مجموعه محدودی از آهنگ‌ها ایجاد می‌کنند. به طور مشابه، فروشگاه‌های موسیقی جای خود را به خرده‌فروشی‌های بزرگی داده‌اند که بخش‌های موسیقی همیشه در حال کوچک شدن هستند. شنوندگان به‌جای تکیه بر دی‌جی‌ها، کارمندان فروشگاه‌های موسیقی یا دوستانشان برای توصیه‌های موسیقی، به دستگاه‌هایی روی می‌آورند تا آنها را به سمت موسیقی جدید راهنمایی کنند.
در این کتاب، اسکار سلما ما را در دنیای موسیقی خودکار راهنمایی می‌کند. توصیه او نحوه کار توصیه‌کنندگان موسیقی را شرح می‌دهد، برخی از محدودیت‌های مشاهده‌شده در توصیه‌کننده‌های فعلی را بررسی می‌کند، تکنیک‌هایی را برای ارزیابی اثربخشی توصیه‌های موسیقی ارائه می‌دهد و نشان می‌دهد که چگونه می‌توان توصیه‌گران مؤثری را با ارائه دو نمونه توصیه‌کننده در دنیای واقعی ایجاد کرد. او بر کیفیت درک شده کاربر، به جای دقت پیش‌بینی سیستم هنگام ارائه توصیه‌ها تأکید می‌کند، بنابراین به کاربران اجازه می‌دهد با بهره‌برداری از دم بلند محبوبیت و ترویج مطالب بدیع و مرتبط (“توصیه‌های غیر واضح”) موسیقی جدیدی را کشف کنند. برای رسیدن به دم دراز، او باید تکنیک‌هایی را از تجزیه و تحلیل شبکه پیچیده و بازیابی اطلاعات موسیقی ببافد.
با هدف دانشجویان سال آخر کارشناسی و کارشناسی ارشد که روی سیستم‌های توصیه‌گر یا بازیابی اطلاعات موسیقی کار می‌کنند، این کتاب وضعیت هنر تمام تکنیک های مختلف مورد استفاده برای توصیه آیتم ها را با تمرکز بر حوزه موسیقی به عنوان برنامه اساسی ارائه می دهد.
With so much more music available these days, traditional ways of finding music have diminished. Today radio shows are often programmed by large corporations that create playlists drawn from a limited pool of tracks. Similarly, record stores have been replaced by big-box retailers that have ever-shrinking music departments. Instead of relying on DJs, record-store clerks or their friends for music recommendations, listeners are turning to machines to guide them to new music.
In this book, Òscar Celma guides us through the world of automatic music recommendation. He describes how music recommenders work, explores some of the limitations seen in current recommenders, offers techniques for evaluating the effectiveness of music recommendations and demonstrates how to build effective recommenders by offering two real-world recommender examples. He emphasizes the user’s perceived quality, rather than the system’s predictive accuracy when providing recommendations, thus allowing users to discover new music by exploiting the long tail of popularity and promoting novel and relevant material (“non-obvious recommendations”). In order to reach out into the long tail, he needs to weave techniques from complex network analysis and music information retrieval.
Aimed at final-year-undergraduate and graduate students working on recommender systems or music information retrieval, this book presents the state of the art of all the different techniques used to recommend items, focusing on the music domain as the underlying application.
برای فرستادن دیدگاه، باید وارد شده باشید.
نقد و بررسی‌ها
هنوز بررسی‌ای ثبت نشده است.