論文の概要: A session-based song recommendation approach involving user characterization along the play power-law distribution

• arxiv url: http://arxiv.org/abs/2004.13007v1
• Date: Sat, 25 Apr 2020 07:17:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 22:18:34.618921
• Title: A session-based song recommendation approach involving user characterization along the play power-law distribution
• Title（参考訳）: 演奏パワーロー分布におけるユーザの特徴付けを伴うセッションベースの楽曲推薦手法
• Authors: Diego S\'anchez-Moreno, Vivian F. L\'opez Batista, M. Dolores Mu\~noz Vicente, Ana B. Gil Gonz\'alez and Mar\'ia N. Moreno-Garc\'ia
• Abstract要約: この作業は、グレーシープユーザを管理し、暗黙のレーティングを取得するという、あまり注目されていない2つの重要な問題に焦点を当てている。 1つ目は通常、入手が難しいコンテンツ情報に頼って対処される。 もう一つの欠点は、明示的な評価を集めるのに障害があるときに生じる空間の問題に関係している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, streaming music platforms have become very popular mainly due to the huge number of songs these systems make available to users. This enormous availability means that recommendation mechanisms that help users to select the music they like need to be incorporated. However, developing reliable recommender systems in the music field involves dealing with many problems, some of which are generic and widely studied in the literature, while others are specific to this application domain and are therefore less well-known. This work is focused on two important issues that have not received much attention: managing gray-sheep users and obtaining implicit ratings. The first one is usually addressed by resorting to content information that is often difficult to obtain. The other drawback is related to the sparsity problem that arises when there are obstacles to gather explicit ratings. In this work, the referred shortcomings are addressed by means of a recommendation approach based on the users' streaming sessions. The method is aimed at managing the well-known power-law probability distribution representing the listening behavior of users. This proposal improves the recommendation reliability of collaborative filtering methods while reducing the complexity of the procedures used so far to deal with the gray-sheep problem.
• Abstract（参考訳）: 近年、音楽ストリーミングプラットフォームは、これらのシステムがユーザに提供する膨大な数の曲によって、非常に人気が高まっている。 この巨大な可用性は、ユーザーが好きな音楽を選ぶのに役立つレコメンデーションメカニズムを組み込む必要があることを意味する。 しかし、音楽分野における信頼性の高いレコメンデータシステムの開発には、多くの問題を扱うことが必要であり、その一部は汎用的で、文献で広く研究されているものもあれば、この応用領域に特有なものもあるため、あまり知られていないものもある。 本研究は,灰色シープユーザの管理と暗黙的な評価の獲得という,あまり注目されていない2つの重要な課題に焦点を当てている。 最初のものは通常、取得が難しいコンテンツ情報に頼ることで対処される。 もう1つの欠点は、明示的な評価を収集する障害がある場合に生じるスパーシティ問題に関連している。 本研究では,ユーザのストリーミングセッションに基づく推奨アプローチによって,参照される欠点に対処する。 本手法は,ユーザの聴取行動を表すよく知られたパワーロー確率分布の管理を目的とした。 本提案では,グレーシープ問題に対処する手順の複雑さを低減しつつ,協調フィルタリング手法の信頼性を向上させる。

関連論文リスト

• Enhancing Sequential Music Recommendation with Personalized Popularity Awareness [56.972624411205224]
  本稿では、パーソナライズされた人気情報をシーケンシャルなレコメンデーションに組み込む新しいアプローチを提案する。 実験結果から、パーソナライズされた最もポピュラーなレコメンデータは、既存の最先端モデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-06T15:05:12Z)
• Retrieval Augmentation via User Interest Clustering [57.63883506013693]
  インダストリアルレコメンデータシステムは、ユーザ・イテム・エンゲージメントのパターンに敏感である。 本稿では,ユーザの関心を効率的に構築し,計算コストの低減を図る新しい手法を提案する。 当社のアプローチはMetaの複数の製品に展開されており、ショートフォームビデオ関連の推奨を助長しています。
  論文  参考訳（メタデータ） (2024-08-07T16:35:10Z)
• Fairness Through Domain Awareness: Mitigating Popularity Bias For Music Discovery [56.77435520571752]
  音楽発見と人気バイアスの本質的な関係について検討する。 本稿では,グラフニューラルネットワーク(GNN)に基づくレコメンデータシステムにおいて,人気バイアスに対処する,ドメイン対応の個別フェアネスに基づくアプローチを提案する。 我々のアプローチでは、個々の公正さを用いて、真実を聴く経験、すなわち2つの歌が似ているとすると、この類似性は彼らの表現に反映されるべきである。
  論文  参考訳（メタデータ） (2023-08-28T14:12:25Z)
• Explainability in Music Recommender Systems [69.0506502017444]
  音楽レコメンダシステム(MRS)の文脈における説明可能性について論じる。 MRSは非常に複雑で、推奨精度に最適化されることが多い。 本稿では、MSSに説明可能性コンポーネントを組み込む方法と、どのようなフォーム説明を提供するかを示す。
  論文  参考訳（メタデータ） (2022-01-25T18:32:11Z)
• Follow the guides: disentangling human and algorithmic curation in online music consumption [1.4506962780822348]
  我々は1年間に約9万ユーザーのリスニング履歴を分析した。 音楽プラットフォームが提供する2種類のレコメンデーション – アルゴリズムと編集 – は、多かれ少なかれ多様なコンテンツを反対方向に消費する可能性があることを示す。
  論文  参考訳（メタデータ） (2021-09-08T20:14:48Z)
• On component interactions in two-stage recommender systems [82.38014314502861]
  2段階のレコメンデータは、YouTube、LinkedIn、Pinterestなど、多くのオンラインプラットフォームで使用されている。 ランク付け器と評価器の相互作用が全体の性能に大きく影響していることが示される。 特に、Mixture-of-Expertsアプローチを用いて、アイテムプールの異なるサブセットに特化するように、ノミネータを訓練する。
  論文  参考訳（メタデータ） (2021-06-28T20:53:23Z)
• A Semi-Personalized System for User Cold Start Recommendation on Music Streaming Apps [1.6050172226234583]
  本稿では,音楽ストリーミングサービスDeezerに最近導入したシステムについて述べる。 このソリューションは、ディープニューラルネットワークアーキテクチャに基づいた半個人化されたレコメンデーション戦略を活用する。 本稿では,Deezerにおけるコールドスタートユーザの今後の音楽嗜好を予測する上で,このシステムの実用的影響と有効性について概説する。
  論文  参考訳（メタデータ） (2021-06-07T17:35:44Z)
• Partial Bandit and Semi-Bandit: Making the Most Out of Scarce Users' Feedback [62.997667081978825]
  本稿では,ユーザのフィードバックを考慮し,3つの戦略を用いて評価する手法を提案する。 ユーザからのフィードバックが制限されているにも関わらず(全体の20%以下)、我々の手法は最先端のアプローチと同じような結果が得られる。
  論文  参考訳（メタデータ） (2020-09-16T07:32:51Z)
• Time-Aware Music Recommender Systems: Modeling the Evolution of Implicit User Preferences and User Listening Habits in A Collaborative Filtering Approach [4.576379639081977]
  本稿では,曲の演奏時期に関する時間的情報について考察する。 その目的は、ユーザの好みの進化を、暗黙の格付けとユーザの聴取行動の進化という形でモデル化することである。 本研究で提案する協調フィルタリング手法では,ユーザを特徴付け,より信頼性の高いレコメンデーションを提供するために,日々の聴取習慣を捉えている。
  論文  参考訳（メタデータ） (2020-08-26T08:00:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。