کنفرانس بین المللی محاسبات نرم

لطفا منتظر بمانید ...

صفحه اصلی / ششمین کنفرانس بین المللی محاسبات نرم

How Spotify’s Recommendation Algorithms Power Personalized Playlists: A Comparative Analysis with YouTube Music and Pandora.

نویسندگان :

Nima Nikrouz¹ Ali Shahnazi² Abdorreza Hesam Mohseni³

1- 'دانشگاه گیلان - دانشکده فنی و مهندسی شرق گیلان 2- دانشگاه گیلان - دانشکده فنی و مهندسی شرق گیلان 3- 'دانشگاه گیلان - دانشکده فنی و مهندسی شرق گیلان

کلمات کلیدی :

Recommendation Algorithms،Personalization،Spotify،Collaborative Filtering،Content-Based Filtering،NLP

چکیده :

Spotify’s recommendation system, a hybrid model combining collaborative filtering, content-based analysis, and Natural Language Processing (NLP), drives 70% of user listening and powers 4 billion personalized playlists monthly, shaping music discovery for 626 million active users worldwide. This article analyzes its mechanics, revealing strengths like 85% accuracy in Discover Weekly (reaching 2.3 billion streams) and 25-minute average daily sessions, while exposing weaknesses such as 60% playlist repetition and 40% echo chamber risk. Compared to YouTube Music’s 80% video-driven recommendations and Pandora’s 70% genre-tagging precision, Spotify leads in engagement but lags in diversity. Real-world data shows 1 in 3 users skip repetitive tracks, and 55% crave more serendipity. Proposed improvements—mood-aware filtering (boosting variety by 30% in trials) and adjustable shuffle sliders (reducing repetition by 45%)—address these gaps. Drawing on 2024–2025 industry metrics, this study affirms Spotify’s dominance in personalized streaming while offering data-backed enhancements to reduce bias, increase discovery, and elevate user satisfaction across 100 million tracks.

لیست مقالات

لیست مقالات بایگانی شده

Efficiency Analysis of Convolutional Neural Networks in Multiclass Recognition of Skin Lesions via Dermoscopy Images

Mahsa Monajemi - Seyed Vahab Shojaedini - Seyed Omid Shahdi - Seyed Saeed Haji_Nasiri

مدل‌سازی اپیدمی با در نظر گرفتن ساختار سنی جمعیت

محراب صدیق پور حسن کیاده

دیداری‌سازی و ارزیابی نتایج مدل‌های یادگیری آماری با استفاده از نقشه‌های کلاس به همراه ارائه نرم‌افزار کاربردی با تاکید بر دست‌نوشته‌های فارسی

علیرضا کبورانی - موسی گلعلی‌ زاده

استفاده از یک روش جدید خوشه بندی برای تولید شبکه عصبی فردی

مهدیه خراشادیزاده - الهام عباسی هرفته - ابولفضل شاهزاده فاضلی

اولویت بندی تخصیص بودجه برای توسعه مناطق محروم با استفاده از روش‌های تصمیم گیری چندشاخصه فازی

حمزه امین‌طهماسبی - احمدرضا صراف‌جدیدیان - نیما اسفندیاری

مرور نظام‌مند مدل‌های زبان بزرگ و یادگیری عمیق در تشخیص و ترمیم آسیب‌پذیری‌های نرم‌افزار: بررسی قابلیت اطمینان، استدلال پیشرفته و چالش‌های کیفیت داده

محمد فصیحی - مرتضی یوسف صنعتی - رافع ترابی

کاربرد الگوریتم بهینه سازی زنبور عسل در حل مدل بهینه سازی مسئله مسیریابی محصول در زنجیره تأمین حلقه بسته با هدف کاهش انتشار گازهای گلخانه‌ای

یاسر امامیان - جعفر جعفری

طراحی و شبیه سازی آنتن میکرواستریپ دو بانده پارازیتی پهن باند با استفاده از شبکه عصبی پیشرو

محمدرضا ظفرخواه - احسان زارعیان جهرمی

کنترل کننده رباست توزیع شده تکاملی برای سیستم تک‌ماشینه با شین بی‌نهایت

فرناز صباحی

بهینه سازی سرعت بارگذاری بازی در محیط شبیه ساز Unity

امیرحسین محمدخواه کتشصت ‌آبادان - مرضیه فریدی ماسوله

بیشتر

ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.9.4