Salvo, Giuseppe (A.A. 2020/2021) Recommender systems: analisi e implementazione di algoritmi per la raccomandazione di contenuti musicali. Tesi di Laurea in Content marketing e brand storytelling, Luiss Guido Carli, relatore Luigi Laura, pp. 95. [Master's Degree Thesis]

Full text for this thesis not available from the repository.

Abstract/Index

Lo scenario economico. E-commerce: un nuovo modello economico. Principio di Pareto e long tail theory. Il problema della scelta. I sistemi di raccomandazione. Raccomandazione personalizzata: soluzione all’information overload. Benefici domanda e offerta. Opportunità per l’e-commerce. Elementi principali. Il processo di raccomandazione. Tecniche di recommendation filtering. La raccomandazione per l'industria musicale. Il mercato dello streaming musicale. Spotify. Pandora. Apple Music. Raccomandazione contenuti audio: algoritmi e principali tecniche. Collaborative filtering: memory based. Collaborative filtering: model based. Content based filtering. Altre tipologie di sistemi. Metriche di valutazione. Metriche prediction-based. Metriche information retrieval related. Implementazione recommendation system. Il dataset. Analisi esplorativa. Data preprocessing. Implementazione sistemi.

References

Bibliografia: pp. 89-91. Sitografia: pp. 92-93.

Thesis Type:	Master's Degree Thesis
Institution:	Luiss Guido Carli
Degree Program:	Master's Degree Programs > Master's Degree Program in Marketing (LM-77)
Chair:	Content marketing e brand storytelling
Thesis Supervisor:	Laura, Luigi
Thesis Co-Supervisor:	Ciccarone, Simone
Academic Year:	2020/2021
Session:	Extraordinary
Deposited by:	Alessandro Perfetti
Date Deposited:	25 Aug 2022 09:23
Last Modified:	25 Aug 2022 09:23
URI:	https://tesi.luiss.it/id/eprint/33017

Downloads

Repository Staff Only

View Item