Sistema de recomendación musical para eHealth

Abstract

Se ha observado en estudios médicos que escuchar música, cantar o tocar un instrumento trae un efecto de rehabilitación positivo en varias enfermedades neurológicas. ParkinSons es una aplicación móvil nacida como una iniciativa de OPENeHealth entre la Universitat Oberta de Catalunya, el Hospital de la Santa Creu i Sant Pau y GMV que tiene la intención de mejorar la calidad de vida de personas con la enfermedad de Parkinson mediante ejercicios personalizados de música, vídeo y audio. Los Sistemas de Recomendación son sistemas de filtrado de información, originalmente destinados a proporcionar sugerencias de interés a un usuario particular. El objetivo de este trabajo es desarrollar un sistema de recomendación que ayude a modelar la relación entre los objetos multimedia considerados en la aplicación Parkinsons (en concreto, música) y los usuarios para mejorar en los diferentes aspectos de la enfermedad. Para conseguir alcanzarlo, se realizan las siguientes acciones: Se analizan las distintas enfoques existentes en el estado del arte (content-based, collaborative-filtering e híbridas). Se investiga sobre la contribución de la información contextual a la hora de realizar recomendaciones. Se implementan algoritmos de recomendación, en función del análisis anterior, con las técnicas más punteras mediante redes neuronales: Autoencoder, Matrix Factorization y Factorization Machines. Finalmente, se realizan experimentos para determinar la mejor arquitectura y un estudio comparativo entre todas las soluciones. Se determina que la técnica Factorization Machine (basada en collaborative-filtering) proporciona unos resultados óptimos utilizando la información contextual. Como lineas de trabajo futuras, proponemos la implementación de soluciones Factorization Machine basadas en grafos.

S'ha observat en estudis mèdics que escoltar música, cantar o tocar un instrument porta un efecte de rehabilitació positiu en diverses malalties neurològiques. ParkinSons és una aplicació mòbil nascuda com una iniciativa de OPENeHealth entre la Universitat Oberta de Catalunya, l'Hospital de la Santa Creu i Sant Pau i GMV que té la intenció de millorar la qualitat de vida de persones amb la malaltia de Parkinson mitjançant exercicis personalitzats de música, vídeo i àudio. Els Sistemes de Recomanació són sistemes de filtrat d'informació, originalment destinats a proporcionar suggeriments d'interès a un usuari particular. L'objectiu d'aquest treball és desenvolupar un sistema de recomanació que ajudi a modelar la relació entre els objectes multimèdia considerats en l'aplicació Parkinsons (en concret, música) i els usuaris per a millorar en els diferents aspectes de la malaltia. Per a aconseguir aconseguir-ho, es realitzen les següents accions: S'analitzen les diferents enfocaments existents en l'estat de l'art (content-based, collaborative-filtering i híbrides). S'investiga sobre la contribució de la informació contextual a l'hora de realitzar recomanacions. S'implementen algorismes de recomanació, en funció de l'anàlisi anterior, amb les tècniques més capdavanteres mitjançant xarxes neuronals: Autoencoder, Matrix Factorization i Factorization Machines. Finalment, es realitzen experiments per a determinar la millor arquitectura i un estudi comparatiu entre totes les solucions. Es determina que la tècnica Factorization Machine (basada en collaborative-filtering) proporciona uns resultats òptims utilitzant la informació contextual. Com a línies de treball futures, proposem la implementació de solucions Factorization Machine basades en grafs.

It has been observed in medical studies that listening to music, singing or playing an instrument has a positive rehabilitative effect on various neurological diseases. ParkinSons is a mobile application born as an OPENeHealth initiative between the Universitat Oberta de Catalunya, the Hospital de la Santa Creu i Sant Pau and GMV that aims to improve the quality of life of people with Parkinson's disease through personalised music, video and audio exercises. The Recommendation Systems are information filtering systems, originally intended to provide suggestions of interest to a particular user. The aim of this work is to develop a recommendation system that helps to model the relationship between the multimedia objects considered in the Parkinsons application (specifically, music) and the users to improve in the different aspects of the disease. To achieve this, the following actions are carried out: The different existing approaches in the state of the art (content-based, collaborative-filtering and hybrid) are analysed. Research is carried out on the contribution of contextual information when making recommendations. Recommendation algorithms are implemented, based on the previous analysis, with the most advanced techniques using neural networks: Autoencoder, Matrix Factorization and Factorization Machines. Finally, experiments are carried out to determine the best architecture and a comparative study between all the solutions. It is determined that the Factorization Machine technique (based on collaborative-filtering) provides the following results optimal using contextual information. As future lines of work, we propose the implementation of Factorization Machine solutions based on graphs.