Running summarizing tools on a new article

Abstract: A continuação automática de playlists foi investigada como um problema de aprendizado de representação e recuperação vetorial. O objetivo foi verificar se embeddings comportamentais, aprendidos com Word2Vec sobre playlists ordenadas, seriam capazes de capturar relações latentes entre faixas e apoiar a continuação automática de playlists por meio de recuperação vetorial. Utilizou-se o Spotify Million Playlist Dataset como fonte de dados, aplicando-se um pipeline de preparação para estruturar, limpar e filtrar as playlists. As playlists foram tratadas como sequências ordenadas de faixas, e o Word2Vec foi empregado para aprender embeddings de músicas a partir de padrões de coocorrência. Posteriormente, o Annoy foi utilizado para recuperar faixas próximas no espaço vetorial. A avaliação adotou protocolos inspirados no RecSys Challenge 2018, com rankings de 500 recomendações para diferentes tamanhos de prefixo e duas estratégias de agregação: média simples e média ponderada por recência. Os resultados indicaram melhor desempenho em prefixos curtos, especialmente com 5 músicas observadas. Concluiu-se que os embeddings aprendidos capturaram relações úteis entre faixas, embora a agregação por média tenha apresentado perda de especificidade em contextos mais longos.