論文の概要: Time-Aware Music Recommender Systems: Modeling the Evolution of Implicit User Preferences and User Listening Habits in A Collaborative Filtering Approach

• arxiv url: http://arxiv.org/abs/2008.11432v1
• Date: Wed, 26 Aug 2020 08:00:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 22:22:56.619614
• Title: Time-Aware Music Recommender Systems: Modeling the Evolution of Implicit User Preferences and User Listening Habits in A Collaborative Filtering Approach
• Title（参考訳）: 時間認識型音楽レコメンダシステム:協調フィルタリングによる暗黙のユーザの好みとユーザのリスニング習慣の進化のモデル化
• Authors: Diego S\'anchez-Moreno, Yong Zheng and Mar\'ia N. Moreno-Garc\'ia
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 4.576379639081977
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Online streaming services have become the most popular way of listening to music. The majority of these services are endowed with recommendation mechanisms that help users to discover songs and artists that may interest them from the vast amount of music available. However, many are not reliable as they may not take into account contextual aspects or the ever-evolving user behavior. Therefore, it is necessary to develop systems that consider these aspects. In the field of music, time is one of the most important factors influencing user preferences and managing its effects, and is the motivation behind the work presented in this paper. Here, the temporal information regarding when songs are played is examined. The purpose is to model both the evolution of user preferences in the form of evolving implicit ratings and user listening behavior. In the collaborative filtering method proposed in this work, daily listening habits are captured in order to characterize users and provide them with more reliable recommendations. The results of the validation prove that this approach outperforms other methods in generating both context-aware and context-free recommendations
• Abstract（参考訳）: オンラインストリーミングサービスは、音楽を聴くための最も人気のある方法となっている。 これらのサービスのほとんどは、ユーザーが利用可能な膨大な量の音楽から興味を持つ曲やアーティストを見つけるのに役立つレコメンデーションメカニズムを備えている。 しかし、多くの人はコンテキスト的側面や進化し続けるユーザー行動を考慮していないため、信頼できない。 したがって、これらの側面を考慮したシステムを開発する必要がある。 音楽の分野では、時間がユーザの嗜好に影響を及ぼし、その効果を管理する上で最も重要な要因の1つであり、本論文で提示された作業の背後にあるモチベーションである。 ここでは、曲の演奏時期に関する時間的情報を調べる。 目的は、ユーザの好みの進化を、暗黙的な評価とユーザの聞き取り行動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。 この検証の結果は、このアプローチがコンテキスト認識とコンテキストフリーのレコメンデーションの両方を生成する他の手法よりも優れていることを証明している。

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)
• System-2 Recommenders: Disentangling Utility and Engagement in Recommendation Systems via Temporal Point-Processes [80.97898201876592]
  本稿では,過去のコンテンツインタラクションが,自己興奮型ホークスプロセスに基づくユーザの到着率に影響を及ぼす生成モデルを提案する。 そこで本研究では,システム1とシステム2のアンタングルを解消し,ユーザ利用によるコンテンツ最適化を可能にすることを解析的に示す。
  論文  参考訳（メタデータ） (2024-05-29T18:19:37Z)
• Measuring Strategization in Recommendation: Users Adapt Their Behavior to Shape Future Content [66.71102704873185]
  実験と調査を行うことで,ユーザストラテジゼーションの試行を行う。 参加者の居住時間や「いいね!」の使用など,結果指標間での戦略化の強い証拠を見出す。 この結果から,プラットフォームはアルゴリズムがユーザの行動に与える影響を無視できないことが示唆された。
  論文  参考訳（メタデータ） (2024-05-09T07:36:08Z)
• 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)
• Latent User Intent Modeling for Sequential Recommenders [92.66888409973495]
  逐次リコメンデータモデルは、プラットフォーム上での氏のインタラクション履歴に基づいて、ユーザが次に対話する可能性のあるアイテムを予測することを学習する。 しかし、ほとんどのシーケンシャルなレコメンデータは、ユーザの意図に対する高いレベルの理解を欠いている。 したがって、インテントモデリングはユーザー理解と長期ユーザーエクスペリエンスの最適化に不可欠である。
  論文  参考訳（メタデータ） (2022-11-17T19:00:24Z)
• Exploiting Device and Audio Data to Tag Music with User-Aware Listening Contexts [8.224040855079176]
  本研究では,ユーザを意識した楽曲自動タグを有効活用することにより,ユーザの状況に応じたプレイリストを一定時間で生成できるシステムを提案する。 実験により、このようなコンテキスト対応のパーソナライズされた楽曲検索システムは実現可能であるが、新規ユーザの場合は性能が低下することが示された。
  論文  参考訳（メタデータ） (2022-11-14T10:08:12Z)
• Psychologically-Inspired Music Recommendation System [3.032299122358857]
  感情認識型MSSを構築するために,聴取者の性格と現在の感情状態と音声特徴を関連づけることを模索する。 この結果とSpotify APIデータに基づく従来のMSSの出力とを定量的に定性的に比較し,音楽レコメンデーションの質に大きな影響を与えるかどうかを検証した。
  論文  参考訳（メタデータ） (2022-05-06T19:38:26Z)
• 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)
• 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)
• A session-based song recommendation approach involving user characterization along the play power-law distribution [0.0]
  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。
  論文  参考訳（メタデータ） (2020-04-25T07:17:03Z)

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。