Análise de Coocorrência de Itens Executados em Programações de Rádios

Sistemas de recomendação de músicas, como a Last.fm, utilizam bases de conhecimento coletivo, contendo classificações e históricos de uso, para recomendar itens (como artistas e músicas) considerados similares entre si. Tendo como referência esse conhecimento gerado pelos usuários da Last.fm, este trabalho investiga a coocorrência de itens nas programações de estações de rádio, isto é, se as listas de reprodução das rádios representam conjuntos coesos de faixas relacionadas. Nesse sentido, foi elaborada uma metodologia de análise, na qual são extraídos conjuntos de itens frequentes contendo artistas, músicas e gêneros musicais que coocorrem nas programações de rádios, analisando, em seguida, a similaridade entre os itens dos conjuntos gerados, utilizando como referência as listas de itens similares extraídas da Last.fm. Os resultados experimentais deste trabalho revelam que quanto mais rigorosos são os filtros aplicados para se definir os conjuntos de itens frequentes, mais itens presentes nas listas de similaridade da Last.fm são encontrados, através da correlação descoberta pela programação das rádios. No entanto, o estudo também revela que novas correlações entre itens, ainda não classificadas na Last.fm, podem ser descobertas através das programações das rádios, o que evidencia que até mesmo sistemas utilizados em larga escala e de forma colaborativa, como Last.fm, não são completos no que diz respeito à caracterização dos dados para abstração do conceito de similaridade.