Глава 1 Методы проектирования и типология рекомендательных систем 8
1.1 Классификация типов рекомендательных систем 8
1.2 Рекомендательные системы для прослушивания музыки: мировой опыт 12
1.3 Теоретические основания проектирования рекомендательной системы на
основе связи музыки, эмоций и цвета 17
Глава 2 Разработка музыкальной рекомендательной системы на основе связи
музыки, эмоций и цвета 20
2.1 Разработка дизайн-концепции и функциональных возможностей
интерфейса рекомендательной системы 20
2.2 Применение веб-технологий в проектировании рекомендательной
системы 26
2.3. Разработка веб-приложения музыкальной рекомендательной системы 44
Заключение 50
Список использованных источников и литературы 52
Приложения 58
Информационное пространство - пространство, в котором создается, хранится, перемещается и потребляется информация.
Результатами цифровизации культуры становится как возникновение принципиально новых областей в информационном пространстве, ранее не существовавших и появившихся изначально исключительно в цифровой среде, не имея аналогов ранее, так и “оцифровка” уже существующих областей, т.е. переход их в цифровую форму.
В контексте музыкальной культуры цифровые технологии затронули одновременно все три аспекта соответствующего ей информационного пространства: создание, хранение, перемещение и потребление.
Создание музыки. Появление АЦП (аналогово-цифровых
преобразователей) помогли перевести звуки и записи звуков инструментальных партий аналоговых инструментов в цифровую форму. Также появились цифровые инструменты - либо копии аналоговых инструментов, либо изначально цифровые. Перевод аудиозаписей инструментальных партий в цифровую форму позволил манипулировать ими с помощью специализированных прикладных программ для ЭВМ: то есть совершать над ними операции редактирования, микширования, наложения эффектов, сведения и так далее.
Хранение музыки. Будучи переведенной или созданной в цифровой форме, музыка хранится также в цифровой форме, которая защищает аудиозапись от старения, связанного с механическим и другими видами износа аналоговых носителей. Хранение музыки в цифровой форме позволило на несколько порядков сократить физическое пространство, а также связанные с его обслуживанием издержки, по сравнению с хранением музыки на аналоговых носителях.
Перемещение музыки. С появлением сети интернет, особенно с появлением и масштабным распространением широкополосного доступа, доставка музыкальных аудиозаписей стала задачей простой, быстро решаемой и не требующей значительных издержек, связанных с перемещением аналоговых носителей или потерями качества при передачи в виде аналогового сигнала.
Потребление музыки. С развитием АЦП (аналогово-цифровых преобразователей) развивались и качественные ЦАП (цифро-аналоговые преобразователи), которыми теперь оснащены не только специализированные устройства для воспроизведения музыки, но и широкий спектр устройств, в том числе портативных: настольные компьютеры, ноутбуки, планшеты, смартфоны. И все они могут быть подключены к сети интернет, из которой могут получать для дальнейшего хранения и воспроизведения музыкальные аудиозаписи.
Таким образом, цифровизация информационного пространства способствовала не только лавинообразному росту количества аудиозаписей, так как удешевила и сделал более доступным их создание и потребление, но и удешевила и упростила их хранение и доставку.
В связи с этим изменилась и структура потребления музыки. Ранее человеку были доступны только те музыкальные композиции, которые транслировались на телевидении, радиостанциях, а также продавались в традиционном магазине. То есть человеку либо вообще невозможно было выбирать - кроме как переключаясь с одного теле- или радиоканала на другой, либо его выбор ограничивался вместимостью полок магазина. И то и другое обстоятельство: ограниченность эфирного времени теле- и радиостанций, а также ограниченность пространства магазина сделала актуальным систему общеизвестных звезд и хитов, которые пользовались широким и активным спросом у публики.
С цифровизацией музыкальной индустрии стало рентабельным размещать на уже виртуальных “полках” интернет-каталогов не только записи самых известных групп и исполнителей, но и малоизвестных, которые, как мы помним, получили простой доступ к записи и самопубликации благодаря цифровизации.
Для рынка музыкальных аудиозаписей стала актуальной структура потребления, называемая ’’Длинным хвостом”, концепцию которой Крис Андерсон сформулировал в 2004 в своей одноименной работе. Суть концепции сводится к тому, что, когда потребителю стали доступны уже не тысячи, а миллионы музыкальных записей, то структура потребления сместилась от фокуса на хитах и звездах к намного менее известным музыкальным записям. И, если «в традиционной рознице 1 тыс. самых популярных альбомов составляет примерно 80% всего рынка, то в среднем розничном магазине, который предлагает лишь часть доступных дисков, 100 самых популярных альбомов могут привлекать более 90% продаж». То в интернет-пространстве «те же самые альбомы составляют менее трети рынка. Можно сказать, что половина рынка в Сети представлена альбомами, менее популярными, чем первые 5 тыс.» [41, с. 140]
Подобно тому, как поисковые машины, такие как Яндекс, Google и другие, помогают пользователям ориентироваться в огромном количестве разнородной информации, представленной на интернет-страницах, актуальными стали и специализированные поисковые и рекомендательные системы, которые помогают навигации пользователей в огромном количестве музыкальных аудиозаписей.
Очевидно, что такая специальная рекомендательная система должна учитываться особенности предметной области (за исключением систем, основанных на механизме коллаборативной фильтрации), но уже даже категоризация по жанрам и стилям не может решить проблемы, как о том замечает Кристофер Ихихо: «...введите в поисковую систему какой-либо музыкальный стиль, например, acid house, rock. Вы получите в результате огромный список из множества названий, где не будет видно никаких отличительных особенностей для каждого отдельного названия. “Ну, рок, ну, название...” — и что возникает? “Я не буду скачивать 1000 mp3 неизвестных мне групп”» [41, с. 153].
Ю. В. Стракович в работе “Цифролюция” дает подробный анализ ситуации, сложившейся в музыкальной индустрии, и поднимает проблему навигации и поиска в с каждым днем возрастающем количестве доступных интернет-пользователю музыкальных композиций. К. Фальк в книге “Рекомендательные системы на практике” приводит обширный набор оснований и критериев, по которым могут быть классифицированы рекомендательные системы. Б.А. Базыма, Петренко В.Ф.в своих работах исследуют вопрос взаимосвязи эмоций и цвета. В.М. Элькин в книге “Целительная магия музыки. Гармония цвета и звука в терапии болезней” приводит таблицу соответствия музыкальные тональностей и цветам восьмицветового субтеста цветового теста Макса Люшера. Д.Ж. Паттон, Л. Розенфельд, Вигерс К., Кесенбери У., М. Кой в своих трудах раскрывают вопрос проектирования пользовательского опыта в том числе через составление пользовательских и функциональных требований.
Мардан А, А.М. Шор,В.Н. Гридин, А. Бэнкс в своих работах раскрывают характеристики и особенности новой технологии для обмена данными между веб-серверной и клиентской частью веб-приложения GraphQL. Особенности платформу Node.js представлены в работах «Серверный ДауаЗспр! - преимущества и недостатки Nocle.js»HJ[. Чепегина, «Программная платформа Node.js» А.Н. Долгова и книгах «Изучаем Node.js» Ш.Паурса, «Веб-разработка» с применением Node и Express» И. Брауна.
Объект исследования: информационные рекомендательные системы.
Предмет исследования: особенности проектирования музыкальной рекомендательной системы.
Цель исследования: проектирование информационной структуры и интерфейса веб-приложения музыкальной рекомендательной системы на основе взаимосвязи "музыка-эмоции-цвет".
Задачи исследования:
1. обзор типов рекомендательных систем, их классификация
2. изучение ближайших аналогичных музыкальных рекомендательных систем
3. выбор и анализ принципа, лежащего в основе рекомендательного механизма системы: взаимосвязи музыки, эмоций и цвета
4. формулирование требований к создаваемой рекомендательной системе и разработка дизайна рекомендательной системы
5. выбор оптимальных веб-технологий для создания
рекомендательной системы
6. Разработка веб-приложения музыкальной рекомендательной системы
Методология исследования.
При написании ВКР были использованы теоретические методы научного исследования:
1. анализ литературы по данной тематике
2. теоретический анализ проблематики
3. моделирование: создание прототипов и шаблонов будущего интерфейса веб-приложения
4. логический метод
5. Сравнительные анализ: сравнение различных типов
рекомендательных систем и аналогичных рекомендательных систем
6. Феноменологический при исследовании семантики цвета и его взаимосвязи с эмоциями и музыкой
В ходе работы были выявлены и рассмотрены основные типы рекомендательных систем, изучены ближайшие аналоги музыкальных рекомендательных систем, был выбран и обоснован принцип, лежащий в основе разрабатываемой музыкальной рекомендательной системы: взаимосвязь музыки, эмоций и цвета.
Этап проектирования музыкальной рекомендательной системы начат с этапа разработки дизайнерского решения: была выбрана тема космоса в качестве концептуальной метафоры для интерфейса музыкальной рекомендательной системы, а также было найдено и применено оптимальное графическое решение - стиль неоморфизм, который позволил сохранить особую роль цвета, которую он играет в приложении: не оформительскую, но контентную.
На этапе разработки была учтена специфика разрабатываемой музыкальной рекомендательной системы: высокая нагрузка в плане количества одновременных соединений пользователей, сочетающаяся с тем, что серверная часть веб-приложения не производит сложных вычислений и расчетов. Как итог для реализации веб-серверной части веб-приложения была выбрана программная платформа Node.js, а в качестве технологии обмена данными между клиентской и серверной частями веб-приложения была избрана не традиционная архитектура REST, а новая и современная технология GraphQL, которая снижает нагрузку как на сервер, так и на сеть, оптимизируя обмен данными между сервером и клиентом за счет интеллектуального механизма выборки и компоновки данных при запросе.
Разработанная музыкальная рекомендательная система может применяться не только как развлекательная медийная платформа, но и послужить средством сбора фактического материала для дальнейшего изучения взаимосвязи музыки, эмоций и цвета.
Так же в перспективе, при все большем и большем наполнении базы данных рекомендательной системы, возможно применить алгоритмы анализа больших данных и машинного обучения для выявления новых закономерностей и частичной автоматизации работы системы в плане сопоставления последовательностей цветов с музыкальными композициями.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
