論文の概要: "All of Me": Mining Users' Attributes from their Public Spotify Playlists

• arxiv url: http://arxiv.org/abs/2401.14296v1
• Date: Thu, 25 Jan 2024 16:38:06 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-26 13:57:40.068090
• Title: "All of Me": Mining Users' Attributes from their Public Spotify Playlists
• Title（参考訳）: 『all of me』:spotifyの公開プレイリストからユーザーの属性をマイニングする
• Authors: Pier Paolo Tricomi, Luca Pajola, Luca Pasa, Mauro Conti
• Abstract要約: 人々は自分の音楽の好みを表現するために自分のプレイリストを作成し、公開します。 これらのパブリックアクセス可能なプレイリストは、ユーザの属性とアイデンティティに関する豊富な洞察の源となっている。 人口統計,習慣,性格特性など,ユーザの個人属性に関連付けられた繰り返し音楽的特徴の同定に焦点をあてる。
• 参考スコア（独自算出の注目度）: 18.77632404384041
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the age of digital music streaming, playlists on platforms like Spotify have become an integral part of individuals' musical experiences. People create and publicly share their own playlists to express their musical tastes, promote the discovery of their favorite artists, and foster social connections. These publicly accessible playlists transcend the boundaries of mere musical preferences: they serve as sources of rich insights into users' attributes and identities. For example, the musical preferences of elderly individuals may lean more towards Frank Sinatra, while Billie Eilish remains a favored choice among teenagers. These playlists thus become windows into the diverse and evolving facets of one's musical identity. In this work, we investigate the relationship between Spotify users' attributes and their public playlists. In particular, we focus on identifying recurring musical characteristics associated with users' individual attributes, such as demographics, habits, or personality traits. To this end, we conducted an online survey involving 739 Spotify users, yielding a dataset of 10,286 publicly shared playlists encompassing over 200,000 unique songs and 55,000 artists. Through extensive statistical analyses, we first assess a deep connection between a user's Spotify playlists and their real-life attributes. For instance, we found individuals high in openness often create playlists featuring a diverse array of artists, while female users prefer Pop and K-pop music genres. Building upon these observed associations, we create accurate predictive models for users' attributes, presenting a novel DeepSet application that outperforms baselines in most of these users' attributes.
• Abstract（参考訳）: デジタル音楽ストリーミングの時代、Spotifyのようなプラットフォーム上のプレイリストは個人の音楽体験の不可欠な部分となっている。 人々は自身のプレイリストを作成し、公開し、音楽の好みを表現し、お気に入りのアーティストの発見を促進し、社会的つながりを育む。 これらのパブリックアクセス可能なプレイリストは単なる音楽的嗜好の境界を超越し、ユーザの属性やアイデンティティに関する豊富な洞察の源として機能する。 例えば、高齢者の好みはフランク・シナトラに傾き、ビリー・アイリッシュは10代の若者に好まれる選択である。 これらのプレイリストは、音楽的アイデンティティの多様性と進化の様相の窓となる。 本研究では,Spotify利用者の属性とパブリックプレイリストとの関係について検討する。 特に,人口統計,習慣,性格特性など,ユーザの個人属性に関連付けられた繰り返し音楽的特徴の同定に着目する。 この目的のために、我々は739人のspotifyユーザーが参加するオンライン調査を行い、20万以上のユニーク曲と5万5000人のアーティストを含む公開プレイリスト10,286のデータセットを作成した。 広範な統計分析を通じて、まずユーザーのSpotifyプレイリストと実際の属性との深い関係を評価する。 例えば、オープン性が高い個人は多様なアーティストをフィーチャーしたプレイリストを作ることが多いが、女性ユーザーはポップやkポップのジャンルを好む。 これら観測された関連に基づいて、ユーザの属性の正確な予測モデルを作成し、これらの属性のベースラインを上回る新しいdeepsetアプリケーションを示します。

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)
• 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)
• Music Recommendation on Spotify using Deep Learning [0.0]
  約5000万から40億ギガバイトのデータをホストしているSpotifyでは、毎日膨大な量のデータが生成される。 本稿では,ディープラーニングのアプローチを応用して,利用者の嗜好度を最大化するための適切なフィルタリングを実現することを目的とする。
  論文  参考訳（メタデータ） (2023-12-10T07:35:17Z)
• 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)
• 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)
• Museformer: Transformer with Fine- and Coarse-Grained Attention for Music Generation [138.74751744348274]
  本研究では,音楽生成に新たな細粒度・粗粒度対応トランスフォーマーであるMuseformerを提案する。 具体的には、細かな注意を払って、特定のバーのトークンは、音楽構造に最も関係のあるバーのトークンに、直接参加する。 粗い注意を払って、トークンは計算コストを減らすために、それぞれのトークンではなく他のバーの要約にのみ参加する。
  論文  参考訳（メタデータ） (2022-10-19T07:31:56Z)
• 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)
• 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)
• Context-Based Music Recommendation Algorithm Evaluation [0.0]
  本稿では,ユーザが曲を好むかどうかを予測するための6つの機械学習アルゴリズムとその個々の精度について検討する。 探索されたアルゴリズムには、ロジスティック回帰、ネイブベイズ、シークエンシャル最小最適化(SMO)、マルチレイヤーパーセプトロン(ニューラルネットワーク)、Nearest Neighbor、ランダムフォレストなどがある。 Spotify APIによって提供される各曲の特徴を分析することで、Random Forestはユーザーが84%の精度で曲を好むかどうかを予測する最も成功したアルゴリズムである。
  論文  参考訳（メタデータ） (2021-12-16T01:46:36Z)
• Modelling Moral Traits with Music Listening Preferences and Demographics [2.3204178451683264]
  カナダで実施されているオンライン調査から,音楽ジャンルの嗜好,人口統計,道徳的価値の関連性を検討する。 以上の結果から,人の道徳的価値を予測する上での音楽の重要性が示された(.55-.69 AUROC)。
  論文  参考訳（メタデータ） (2021-07-01T10:26:29Z)
• Melody-Conditioned Lyrics Generation with SeqGANs [81.2302502902865]
  本稿では,SeqGAN(Sequence Generative Adversarial Networks)に基づく,エンドツーエンドのメロディ条件付き歌詞生成システムを提案する。 入力条件が評価指標に悪影響を及ぼすことなく,ネットワークがより有意義な結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-10-28T02:35:40Z)

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。