프로젝트 설명

🎶TuneyourShop으로 플레이리스트 추천받기

Tune your Shop은 가게 무드에 최적화된 음악을 추천하는 솔루션입니다.
태그를 통해 손쉽게 매장에 어울리는 플레이리스트를 생성해드려요.

시연 영상

Tune.your.Shop.mp4

💻 팀 구성 및 역할

박재욱	서재은	임태우	조유솔	허진경
Data Engineering	Modeling, Frontend	MLOps	Modeling	Backend

서비스 아키텍쳐

모델 아키텍쳐

LightGCN - Candidate Generation Model

BiEncoder - Reranking Model

데이터셋

이 프로젝트에서는 Spotify Playlists 데이터셋을 활용하여 맞춤형 음악 추천 시스템을 구축합니다.
해당 데이터셋은 Spotify에서 제공하는 플레이리스트 기반 곡 정보를 포함하며, 유저와 트랙 간의 상호작용 데이터를 제공합니다.

• 데이터셋 원본: Kaggle - Spotify Playlists
• 데이터 크기: 1.2GB (CSV 파일)
• 데이터 유형: 테이블 데이터 (유저-아이템 상호작용)

1. 사용자-곡 상호작용 데이터

Candidate Generation Model을 학습하는 데 활용한 데이터입니다.

핵심 필드 (파일 경로: spotify_dataset.csv)

Column Name	Description
user_id	유저 식별자 (임의 생성)
track_name	곡 제목
artist	아티스트 이름

2. 곡 메타데이터 수집

Reranking Model을 학습하는데 메타데이터가 필요하지만, 기본 데이터셋에는 트랙명, 아티스트, 플레이리스트명 정보만 포함되어 있습니다.
이를 보완하기 위해 Last.fm 웹사이트를 통해 추가적인 곡 메타데이터를 수집했습니다.

추가 메타데이터 핵심 필드

Column Name	Description
Listeners	곡 청취자 수
Length	곡 길이
Genre	장르 태그
Introduction	곡 소개

Appendix

• 발표 자료