<?xml version="1.0"?>
<rdf:RDF xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:dc="http://purl.org/dc/elements/1.1/"><rdf:Description rdf:about="https://repozitorij.uni-lj.si/IzpisGradiva.php?id=173297"><dc:title>Samodejno dokončanje seznama predvajanja glasbe z uporabo LightGCN</dc:title><dc:creator>Sevčnikar,	Lan	(Avtor)
	</dc:creator><dc:creator>Šubelj,	Lovro	(Mentor)
	</dc:creator><dc:subject>grafovske nevronske mreže</dc:subject><dc:subject>priporočilni sistemi za glasbo</dc:subject><dc:subject>samodejno nadaljevanje seznama predvajanja</dc:subject><dc:subject>ReCSysChallenge2018</dc:subject><dc:description>V diplomski nalogi je obravnavan problem samodejnega dopolnjevanja seznamov
predvajanja glasbe, ki je ključen za izboljšanje uporabniške izkušnje uporabnikov
storitev, kot je Spotify. Zaradi velikih količin podatkov in implicitne
narave uporabniških povratnih informacij je v nalogi predstavljena uporabe
arhitekture LightGCN, preprostejše različice konvolucijskih grafovskih nevronskih
mrež, ki omogoča učinkovito učenje vložitev seznamov predvajanja
in pesmi. Model je bil ovrednoten na javno dostopnem naboru Million Playlist
Dataset, kjer je dosegel konkurenčne rezultate v primerjavi z obstoječo
literaturo. Natančneje, LightGCN pri metriki priklica presega rezultate najbolj
ših pristopov literature</dc:description><dc:date>2025</dc:date><dc:date>2025-09-15 13:20:00</dc:date><dc:type>Diplomsko delo/naloga</dc:type><dc:identifier>173297</dc:identifier><dc:language>sl</dc:language></rdf:Description></rdf:RDF>