論文の概要: Psychologically-Inspired Music Recommendation System
- arxiv url: http://arxiv.org/abs/2205.03459v1
- Date: Fri, 6 May 2022 19:38:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-15 14:01:45.052551
- Title: Psychologically-Inspired Music Recommendation System
- Title(参考訳): 心理的インスパイアされた音楽レコメンデーションシステム
- Authors: Danila Rozhevskii, Jie Zhu, Boyuan Zhao
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 3.032299122358857
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last few years, automated recommendation systems have been a major
focus in the music field, where companies such as Spotify, Amazon, and Apple
are competing in the ability to generate the most personalized music
suggestions for their users. One of the challenges developers still fail to
tackle is taking into account the psychological and emotional aspects of the
music. Our goal is to find a way to integrate users' personal traits and their
current emotional state into a single music recommendation system with both
collaborative and content-based filtering. We seek to relate the personality
and the current emotional state of the listener to the audio features in order
to build an emotion-aware MRS. We compare the results both quantitatively and
qualitatively to the output of the traditional MRS based on the Spotify API
data to understand if our advancements make a significant impact on the quality
of music recommendations.
- Abstract(参考訳): ここ数年、Spotify、Amazon、Appleといった企業が、ユーザーのために最もパーソナライズされた音楽提案を生成する能力に競い合っている音楽分野において、自動レコメンデーションシステムが主要な焦点となっている。
開発者がまだ取り組んでいない課題の1つは、音楽の心理的側面と感情的側面を考慮することだ。
我々のゴールは、ユーザの個人特性と現在の感情状態を、協調的かつコンテンツベースのフィルタリングによって単一の音楽レコメンデーションシステムに統合する方法を見つけることである。
本研究では,リスナーの個性と現在の感情状態とを関連付けて感情認識型MSSを構築することを目的とする。その結果をSpotify APIデータに基づく従来のMSSの出力と定量的・質的に比較し,私たちの進歩が音楽レコメンデーションの品質に重大な影響を与えるかどうかを明らかにする。
関連論文リスト
- 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) - Emotion-Aware Music Recommendation System: Enhancing User Experience
Through Real-Time Emotional Context [1.3812010983144802]
本研究では,従来の音楽レコメンデーションシステムにおいて,ユーザの音楽選択を形作る上で,感情が重要な役割を担っていることに焦点をあてる。
歌のレコメンデーションプロセスに感情的コンテキストを取り入れたAIモデルを導入する。
リアルタイムの感情を正確に検出することで、モデルはユーザーの感情状態に合わせてパーソナライズされた歌のレコメンデーションを生成することができる。
論文 参考訳(メタデータ) (2023-11-17T05:55:36Z) - MusicAgent: An AI Agent for Music Understanding and Generation with
Large Language Models [54.55063772090821]
MusicAgentは、多数の音楽関連ツールと、ユーザの要求に対処するための自律ワークフローを統合している。
このシステムの第一の目的は、AI音楽ツールの複雑さからユーザーを解放し、クリエイティブな側面に集中できるようにすることである。
論文 参考訳(メタデータ) (2023-10-18T13:31:10Z) - 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) - AffectMachine-Classical: A novel system for generating affective
classical music [0.0]
AffectMachine-Classicalは、感情的なクラシック音楽をリアルタイムで生成できる。
聴取者に対してターゲット感情を確実に伝達するシステムの有効性を検証するために,聴取者実験を行った。
今後は、AffectMachine-Classicalをバイオフィードバックシステムに組み込んで、リスナーの感情的幸福のために感情的な音楽の効果を活用する予定だ。
論文 参考訳(メタデータ) (2023-04-11T01:06:26Z) - Affective Idiosyncratic Responses to Music [63.969810774018775]
本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。
我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
論文 参考訳(メタデータ) (2022-10-17T19:57:46Z) - 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) - Musical Prosody-Driven Emotion Classification: Interpreting Vocalists
Portrayal of Emotions Through Machine Learning [0.0]
音楽の韻律の役割は、いくつかの研究が韻律と感情の強い結びつきを示しているにもかかわらず、まだ解明されていない。
本研究では,従来の機械学習アルゴリズムの入力を音楽韻律の特徴に限定する。
我々は,ボーカリストの個人データ収集手法と,アーティスト自身による個人的根拠的真理ラベル付け手法を利用する。
論文 参考訳(メタデータ) (2021-06-04T15:40:19Z) - 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) - Multi-Modal Music Information Retrieval: Augmenting Audio-Analysis with
Visual Computing for Improved Music Video Analysis [91.3755431537592]
この論文は、音声分析とコンピュータビジョンを組み合わせて、マルチモーダルの観点から音楽情報検索(MIR)タスクにアプローチする。
本研究の主な仮説は、ジャンルやテーマなど特定の表現的カテゴリーを視覚的内容のみに基づいて認識できるという観察に基づいている。
実験は、3つのMIRタスクに対して行われ、アーティスト識別、音楽ジェネア分類、クロスジェネア分類を行う。
論文 参考訳(メタデータ) (2020-02-01T17:57:14Z)
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。