論文の概要: Listener Modeling and Context-aware Music Recommendation Based on Country Archetypes

• arxiv url: http://arxiv.org/abs/2009.09935v1
• Date: Fri, 11 Sep 2020 17:59:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 21:51:18.603309
• Title: Listener Modeling and Context-aware Music Recommendation Based on Country Archetypes
• Title（参考訳）: カントリーアーチタイプに基づくリスナーモデリングと文脈対応音楽レコメンデーション
• Authors: Markus Schedl, Christine Bauer, Wolfgang Reisinger, Dominik Kowald, Elisabeth Lex
• Abstract要約: 音楽の好みは、リスナーの文化的・社会経済的背景によって強く形作られています。 我々は、最先端の教師なし学習技術を用いて、楽曲のきめ細かいレベルにおける音楽嗜好の国別プロファイルを調査する。 暗黙的なユーザフィードバックを活用する,コンテキスト対応の音楽レコメンデーションシステムを提案する。
• 参考スコア（独自算出の注目度）: 10.19712238203935
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Music preferences are strongly shaped by the cultural and socio-economic background of the listener, which is reflected, to a considerable extent, in country-specific music listening profiles. Previous work has already identified several country-specific differences in the popularity distribution of music artists listened to. In particular, what constitutes the "music mainstream" strongly varies between countries. To complement and extend these results, the article at hand delivers the following major contributions: First, using state-of-the-art unsupervised learning techniques, we identify and thoroughly investigate (1) country profiles of music preferences on the fine-grained level of music tracks (in contrast to earlier work that relied on music preferences on the artist level) and (2) country archetypes that subsume countries sharing similar patterns of listening preferences. Second, we formulate four user models that leverage the user's country information on music preferences. Among others, we propose a user modeling approach to describe a music listener as a vector of similarities over the identified country clusters or archetypes. Third, we propose a context-aware music recommendation system that leverages implicit user feedback, where context is defined via the four user models. More precisely, it is a multi-layer generative model based on a variational autoencoder, in which contextual features can influence recommendations through a gating mechanism. Fourth, we thoroughly evaluate the proposed recommendation system and user models on a real-world corpus of more than one billion listening records of users around the world (out of which we use 369 million in our experiments) and show its merits vis-a-vis state-of-the-art algorithms that do not exploit this type of context information.
• Abstract（参考訳）: 音楽の好みは、リスナーの文化的・社会経済的背景によって強く形成され、国固有の音楽リスニングプロファイルにおいてある程度反映されている。 以前の作品は、聴いた音楽アーティストの人気分布に国固有の違いがあることを既に特定している。 特に「音楽の主流」を構成するものは国によって大きく異なる。 まず、最先端の教師なし学習技術を用いて、(1)きめ細かな楽曲レベルにおける音楽選好の国別プロファイル(アーティストレベルの音楽選好に依存した初期の作品とは対照的に)、(2)類似した音楽選好パターンを持つ国別アーチタイプを特定し、徹底的に調査する。 第2に,音楽選好に関するユーザの国情報を活用する4つのユーザモデルを定式化する。 そこで本稿では,楽曲リスナを,特定国クラスタやアーチタイプに対する類似点のベクトルとして記述するユーザモデリング手法を提案する。 第3に,4つのユーザモデルを通じてコンテキストを定義する暗黙のユーザフィードバックを活用する,コンテキスト対応の音楽レコメンデーションシステムを提案する。 より正確には、これは変分オートエンコーダに基づく多層生成モデルであり、文脈的特徴がゲーティング機構を通じてレコメンデーションに影響を与えることができる。 第4に,提案したレコメンデーションシステムとユーザモデルを,世界中のユーザ10億件以上のリスニング記録(うち3億6900万件を実験で使用している)で徹底的に評価し,この種のコンテキスト情報を活用しない最先端のアルゴリズムのメリットを示す。

関連論文リスト

• MeLFusion: Synthesizing Music from Image and Language Cues using Diffusion Models [57.47799823804519]
  私たちは、ミュージシャンが映画の脚本だけでなく、視覚化を通して音楽を作る方法にインスピレーションを受けています。 本稿では,テキスト記述と対応する画像からの手がかりを効果的に利用して音楽を合成するモデルであるMeLFusionを提案する。 音楽合成パイプラインに視覚情報を加えることで、生成した音楽の質が大幅に向上することを示す。
  論文  参考訳（メタデータ） (2024-06-07T06:38:59Z)
• Advancing Cultural Inclusivity: Optimizing Embedding Spaces for Balanced Music Recommendations [4.276697874428501]
  音楽レコメンデーションシステムにおける人気バイアスは、人口統計や文化の軸に沿って伝播することができる。 我々は,これらのバイアスを,プロトタイプベースの行列分解法において,表現不足の文化的グループからアーティストへの推薦において識別する。 本研究は,音楽レコメンデーションにおける人気バイアスの低減と,人口・文化の公平性向上に寄与することを示す。
  論文  参考訳（メタデータ） (2024-05-27T19:12:53Z)
• MusicRL: Aligning Music Generation to Human Preferences [62.44903326718772]
  MusicRLは人間のフィードバックによって微調整された最初の音楽生成システムである。 ユーザに対してMusicLMをデプロイし,30,000対の選好からなる実質的なデータセットを収集する。 人間のフィードバックを大規模に組み込んだ最初のテキスト-音楽モデルであるMusicRL-Uを訓練する。
  論文  参考訳（メタデータ） (2024-02-06T18:36:52Z)
• 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)
• From West to East: Who can understand the music of the others better? [91.78564268397139]
  我々は、異なる音楽文化間の類似性についての洞察を導き出すために、伝達学習手法を活用する。 西洋音楽の2つのデータセット、地中海東部の文化に由来する伝統的・民族的な2つのデータセット、インドの芸術音楽に属する2つのデータセットを使用します。 CNNベースの2つのアーキテクチャとTransformerベースのアーキテクチャを含む3つのディープオーディオ埋め込みモデルがトレーニングされ、ドメイン間で転送される。
  論文  参考訳（メタデータ） (2023-07-19T07:29:14Z)
• MARBLE: Music Audio Representation Benchmark for Universal Evaluation [79.25065218663458]
  我々は,UniversaL Evaluation(MARBLE)のための音楽音響表現ベンチマークを紹介する。 音響、パフォーマンス、スコア、ハイレベルな記述を含む4つの階層レベルを持つ包括的分類を定義することで、様々な音楽情報検索(MIR)タスクのベンチマークを提供することを目的としている。 次に、8つの公開データセット上の14のタスクに基づいて統一されたプロトコルを構築し、ベースラインとして音楽録音で開発されたすべてのオープンソース事前学習モデルの表現を公平かつ標準的に評価する。
  論文  参考訳（メタデータ） (2023-06-18T12:56:46Z)
• A Dataset for Greek Traditional and Folk Music: Lyra [69.07390994897443]
  本稿では,80時間程度で要約された1570曲を含むギリシャの伝統音楽と民俗音楽のデータセットについて述べる。 このデータセットにはYouTubeのタイムスタンプ付きリンクが組み込まれており、オーディオやビデオの検索や、インスツルメンテーション、地理、ジャンルに関する豊富なメタデータ情報が含まれている。
  論文  参考訳（メタデータ） (2022-11-21T14:15:43Z)
• 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)
• Modeling the Music Genre Perception across Language-Bound Cultures [10.223656553455003]
  本研究では,言語横断・文化特化音楽ジャンルアノテーションの実現可能性について検討する。 教師なしの言語間音楽ジャンルのアノテーションは高い精度で実現可能であることを示す。 我々は,多言語事前学習型埋め込みモデルのベンチマークを行うために,新しいドメイン依存型言語間コーパスを導入する。
  論文  参考訳（メタデータ） (2020-10-13T12:20:32Z)
• 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。