論文の概要: Exploiting Device and Audio Data to Tag Music with User-Aware Listening Contexts

• arxiv url: http://arxiv.org/abs/2211.07250v1
• Date: Mon, 14 Nov 2022 10:08:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 21:31:20.763935
• Title: Exploiting Device and Audio Data to Tag Music with User-Aware Listening Contexts
• Title（参考訳）: ユーザ対応リスニングコンテキストによるタグ音楽へのデバイスとオーディオデータのエクスプロイト
• Authors: Karim M. Ibrahim, Elena V. Epure, Geoffroy Peeters, Ga\"el Richard
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 8.224040855079176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As music has become more available especially on music streaming platforms, people have started to have distinct preferences to fit to their varying listening situations, also known as context. Hence, there has been a growing interest in considering the user's situation when recommending music to users. Previous works have proposed user-aware autotaggers to infer situation-related tags from music content and user's global listening preferences. However, in a practical music retrieval system, the autotagger could be only used by assuming that the context class is explicitly provided by the user. In this work, for designing a fully automatised music retrieval system, we propose to disambiguate the user's listening information from their stream data. Namely, we propose a system which can generate a situational playlist for a user at a certain time 1) by leveraging user-aware music autotaggers, and 2) by automatically inferring the user's situation from stream data (e.g. device, network) and user's general profile information (e.g. age). Experiments show that such a context-aware personalized music retrieval system is feasible, but the performance decreases in the case of new users, new tracks or when the number of context classes increases.
• Abstract（参考訳）: 音楽が特に音楽ストリーミングプラットフォームで利用できるようになったため、人々は様々なリスニング状況(文脈としても知られる)に合った好みを持つようになった。 そのため、ユーザに音楽を推薦する際のユーザの状況を考えることへの関心が高まっている。 音楽コンテンツやユーザのグローバルリスニング嗜好から状況関連タグを推測するための,ユーザ対応オートタグの提案も行われている。 しかし,実践的な音楽検索システムでは,コンテキストクラスがユーザによって明示的に提供されることを前提として,オートタグを使用できる。 そこで本研究では,完全自動音楽検索システムを設計するため,ストリームデータからユーザの聞き取り情報を曖昧化することを提案する。 すなわち,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。 1) ユーザ対応音楽オートタガーを活用して, 2)ストリームデータ(例えば、デバイス、ネットワーク)とユーザの一般プロファイル情報(例えば、年齢)からユーザの状況を自動的に推測することにより、 このようなコンテキスト対応のパーソナライズド音楽検索システムは実現可能であるが,新規ユーザや新曲,あるいはコンテキストクラス数が増加すると,パフォーマンスは低下する。

関連論文リスト

• SoundSignature: What Type of Music Do You Like? [0.0]
  SoundSignatureは、ユーザーのお気に入りの曲を分析するためにカスタムのOpenAIアシスタントを統合する音楽アプリケーションである。 このシステムには最先端の音楽情報検索(MIR)Pythonパッケージが組み込まれており、抽出された音響的・音楽的特徴と、アシスタントのアーティストやバンドに関する広範な知識を組み合わせている。
  論文  参考訳（メタデータ） (2024-10-04T12:40:45Z)
• 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)
• Modeling Activity-Driven Music Listening with PACE [2.241215446326728]
  PACE(Pattern-based user Consumption Embedding)は,周期的な聴取行動を活用するユーザ埋め込みを構築するためのフレームワークである。 この枠組みを長期のユーザ履歴に適用することにより,音楽を聴きながら行う活動の予測タスクを通じて埋め込みを評価する。
  論文  参考訳（メタデータ） (2024-05-02T16:08:03Z)
• 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)
• IteraTTA: An interface for exploring both text prompts and audio priors in generating music with text-to-audio models [40.798454815430034]
  IteraTTAは、ユーザーがテキストプロンプトを書き換えたり、生成されたオーディオから好ましいオーディオを選択できるように設計されている。 本実装と議論は,テキスト・トゥ・オーディオ・モデルに特に必要とされる設計上の考察を強調した。
  論文  参考訳（メタデータ） (2023-07-24T11:00:01Z)
• 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)
• 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 Cooperative Memory Network for Personalized Task-oriented Dialogue Systems with Incomplete User Profiles [55.951126447217526]
  ユーザプロファイルの完成を前提とせず,タスク指向対話システムについて検討する。 ユーザプロファイルを徐々に強化する新しいメカニズムを持つ協調記憶ネットワーク(CoMemNN)を提案する。 CoMemNNは、ユーザープロファイルを効果的に強化することができ、応答選択精度の点で3.6%の改善につながります。
  論文  参考訳（メタデータ） (2021-02-16T18:05:54Z)
• 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。