論文の概要: GATSY: Graph Attention Network for Music Artist Similarity

• arxiv url: http://arxiv.org/abs/2311.00635v2
• Date: Sat, 05 Apr 2025 18:14:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:05:26.536913
• Title: GATSY: Graph Attention Network for Music Artist Similarity
• Title（参考訳）: GATSY:音楽アーティストの類似性のためのグラフ注意ネットワーク
• Authors: Andrea Giuseppe Di Francesco, Giuliano Giampietro, Indro Spinelli, Danilo Comminiello,
• Abstract要約: GATSYは、グラフアテンションネットワーク上に構築され、アーティストのクラスタ化された埋め込みによって駆動される新しいレコメンデーションシステムである。 本稿では,グラフアテンションネットワーク上に構築された新たなレコメンデーションシステムGATSYを紹介する。
• 参考スコア（独自算出の注目度）: 4.84315398254578
• License:
• Abstract: The artist similarity quest has become a crucial subject in social and scientific contexts, driven by the desire to enhance music discovery according to user preferences. Modern research solutions facilitate music discovery according to user tastes. However, defining similarity among artists remains challenging due to its inherently subjective nature, which can impact recommendation accuracy. This paper introduces GATSY, a novel recommendation system built upon graph attention networks and driven by a clusterized embedding of artists. The proposed framework leverages the graph topology of the input data to achieve outstanding performance results without relying heavily on hand-crafted features. This flexibility allows us the inclusion of fictitious artists within a music dataset, facilitating connections between previously unlinked artists and enabling diverse recommendations from various and heterogeneous sources. Experimental results prove the effectiveness of the proposed method with respect to state-of-the-art solutions while maintaining flexibility. The code to reproduce these experiments is available at https://anonymous.4open.science/r/GATSY-Music_Artist_Similarity-4807/README.md.
• Abstract（参考訳）: アーティストの類似性の探求は、ユーザの好みに応じて音楽発見を強化するという欲求に駆られて、社会的・科学的文脈において重要な主題となっている。 現代の研究ソリューションは、ユーザの好みに応じた音楽発見を容易にする。 しかし、アーティスト間の類似性を定義することは、本質的に主観的であり、レコメンデーションの正確性に影響を与える可能性があるため、依然として困難である。 本稿では,グラフアテンションネットワーク上に構築された新たなレコメンデーションシステムGATSYを紹介する。 提案フレームワークは入力データのグラフトポロジを利用して,手作りの機能に大きく依存することなく,優れた性能を実現する。 この柔軟性により、音楽データセットに架空のアーティストを組み込むことが可能になり、以前はリンクされていないアーティスト間の接続を容易にし、さまざまな異種、異種ソースからの多様なレコメンデーションを可能にします。 実験により, 柔軟性を維持しつつ, 最先端解に対する提案手法の有効性を実証した。 これらの実験を再現するコードはhttps://anonymous.4open.science/r/GATSY-Music_Artist_Similarity-4807/README.mdで公開されている。

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)
• Link Me Baby One More Time: Social Music Discovery on Spotify [0.3495246564946556]
  Spotifyのデータを使って、あるユーザから別のユーザへのリンクが、共有アーティストの音楽に関わる受信機にどのように送信されるかを調べる。 本稿では,このプロセスに影響を及ぼす可能性のある要因として,送受信者関係の強さ,Spotifyソーシャルネットワークにおけるユーザの役割,音楽ソーシャル・コヒージョン,新しいアーティストがレシーバーの好みにいかに似ているか,などについて考察する。
  論文  参考訳（メタデータ） (2024-01-16T20:41:11Z)
• 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)
• Quantized GAN for Complex Music Generation from Dance Videos [48.196705493763986]
  D2M-GAN(Dance2Music-GAN, D2M-GAN, D2M-GAN)は、ダンスビデオに条件付けされた楽曲のサンプルを生成する新しいマルチモーダルフレームワークである。 提案フレームワークは,ダンスビデオフレームと人体の動きを入力とし,対応する入力に付随する音楽サンプルを生成することを学習する。
  論文  参考訳（メタデータ） (2022-04-01T17:53:39Z)
• Contrastive Learning with Positive-Negative Frame Mask for Music Representation [91.44187939465948]
  本稿では,PEMRと略記したコントラッシブラーニングフレームワークに基づく,音楽表現のための正負負のフレームマスクを提案する。 我々は,同じ音楽からサンプリングした自己増強陽性/陰性の両方に対応するために,新しいコントラスト学習目標を考案した。
  論文  参考訳（メタデータ） (2022-03-17T07:11:42Z)
• Cold Start Similar Artists Ranking with Gravity-Inspired Graph Autoencoders [18.395568778680207]
  我々は、有向グラフと属性グラフのリンク予測タスクとして、コールドスタート類似アーティストランキング問題をモデル化する。 次に、グラフオートエンコーダアーキテクチャを利用して、このグラフからノード埋め込み表現を学習し、新しいアーティストの最もよく似た隣人を自動的にランク付けする。 実世界のコールドスタートに似たアーティストが、グローバル音楽ストリーミングサービスのランキング問題に対処することで、我々のフレームワークの柔軟性と効果を実証的に示す。
  論文  参考訳（メタデータ） (2021-08-02T17:19:47Z)
• Artist Similarity with Graph Neural Networks [1.160208922584163]
  本稿では,三重項損失を学習したグラフニューラルネットワークを用いて,アーティスト間の類似性を計算するためのハイブリッドアプローチを提案する。 グラフニューラルネットワークアーキテクチャの新規性は、アーティスト接続のグラフのトポロジとコンテンツ機能を組み合わせて、アーティストを類似性を符号化したベクトル空間に埋め込むことである。 17,673人のアーティストを擁するこのデータセットは、これまでで最大の学術的アーティスト類似性データセットであり、コンテンツベースの機能を含んでいる。
  論文  参考訳（メタデータ） (2021-07-30T10:44:31Z)
• Music Gesture for Visual Sound Separation [121.36275456396075]
  ミュージック・ジェスチャ(Music Gesture)は、音楽演奏時の演奏者の身体と指の動きを明示的にモデル化するキーポイントに基づく構造化表現である。 まず、コンテキスト対応グラフネットワークを用いて、視覚的コンテキストと身体力学を統合し、その後、身体の動きと対応する音声信号とを関連付けるために、音声-視覚融合モデルを適用する。
  論文  参考訳（メタデータ） (2020-04-20T17:53:46Z)
• 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。