論文の概要: Oh, Behave! Country Representation Dynamics Created by Feedback Loops in Music Recommender Systems

• arxiv url: http://arxiv.org/abs/2408.11565v1
• Date: Wed, 21 Aug 2024 12:18:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-10 17:22:30.135611
• Title: Oh, Behave! Country Representation Dynamics Created by Feedback Loops in Music Recommender Systems
• Title（参考訳）: 音楽レコメンダシステムにおけるフィードバックループによるカントリー表現ダイナミクス
• Authors: Oleg Lesota, Jonas Geiger, Max Walder, Dominik Kowald, Markus Schedl,
• Abstract要約: 本研究では,ユーザのプロファイルやレコメンデーションにおける地域(国別)と米国産音楽の表現のダイナミクスについて検討する。 その結果,調査対象のレコメンデーションモデルのほとんどは,レコメンデーションにおける地元のアーティストの楽曲の割合を減少させることが示唆された。 表現力の低い国からのユーザーは、長期的には、地元の音楽の表現不足に最も影響を受けやすい。
• 参考スコア（独自算出の注目度）: 7.92422328367169
• License:
• Abstract: Recent work suggests that music recommender systems are prone to disproportionally frequent recommendations of music from countries more prominently represented in the training data, notably the US. However, it remains unclear to what extent feedback loops in music recommendation influence the dynamics of such imbalance. In this work, we investigate the dynamics of representation of local (i.e., country-specific) and US-produced music in user profiles and recommendations. To this end, we conduct a feedback loop simulation study using the standardized LFM-2b dataset. The results suggest that most of the investigated recommendation models decrease the proportion of music from local artists in their recommendations. Furthermore, we find that models preserving average proportions of US and local music do not necessarily provide country-calibrated recommendations. We also look into popularity calibration and, surprisingly, find that the most popularity-calibrated model in our study (ItemKNN) provides the least country-calibrated recommendations. In addition, users from less represented countries (e.g., Finland) are, in the long term, most affected by the under-representation of their local music in recommendations.
• Abstract（参考訳）: 近年の研究では、音楽レコメンデーションシステムは、トレーニングデータ、特に米国において、より顕著に代表される国々の音楽レコメンデーションを不当に頻繁に行う傾向にあることが示唆されている。 しかし,音楽レコメンデーションにおけるフィードバックループが,このような不均衡のダイナミクスにどの程度影響するかは定かではない。 本研究では,ユーザのプロファイルやレコメンデーションにおける地域(地域特化音楽)と米国産音楽の表現のダイナミクスについて検討する。 この目的のために,標準化された LFM-2b データセットを用いてフィードバックループシミュレーションを行う。 その結果,レコメンデーションモデルのほとんどは,レコメンデーションにおける地元のアーティストの楽曲の割合を減少させることが示唆された。 さらに、米国と地方音楽の平均比率を保存するモデルが、必ずしも国別レコメンデーションを提供するとは限らないことが判明した。 また、人気校正も検討し、意外なことに、私たちの研究で最も人気度の高いモデル(ItemKNN)が、最小の国別校正のレコメンデーションを提供していることがわかりました。 さらに、あまり代表されない国(フィンランドなど)のユーザーは、長期的には、地元の音楽の表現不足に最も影響を受けやすい。

関連論文リスト

• Do Recommender Systems Promote Local Music? A Reproducibility Study Using Music Streaming Data [3.023348267060456]
  本稿では,レコメンデータシステムによるローカル音楽表現への影響について検討する。 以前の研究では、異なるレコメンデーターシステムは、音楽の消費をローカルなコンテンツにシフトさせるアルゴリズム的バイアスを示すと主張した。 本研究の結論の堅牢性を評価するため,グローバル音楽ストリーミングサービスの独自リスニングデータを用いて比較分析を行った。
  論文  参考訳（メタデータ） (2024-08-29T10:44:59Z)
• 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)
• Popularity Degradation Bias in Local Music Recommendation [0.13597551064547497]
  地域音楽レコメンデーションの文脈における人気劣化バイアスの影響について検討する。 どちらのアルゴリズムも、より人気のあるアーティストのレコメンデーションパフォーマンスを改善する。 Mult-VAEは、あまり人気のないアーティストにとって、より優れた相対的パフォーマンスを示す。
  論文  参考訳（メタデータ） (2023-09-20T22:36:33Z)
• 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)
• Improving Recommendation System Serendipity Through Lexicase Selection [53.57498970940369]
  本稿では,レコメンデーションシステムにおけるエコーチャンバーとホモフィリーの存在を測定するための新しいセレンディピティー指標を提案する。 そこで我々は,レキシケース選択と呼ばれる親選択アルゴリズムを採用することにより,よく知られたレコメンデーション手法の多様性保存性の向上を試みる。 以上の結果から,レキシケースの選択とランキングの混合は,パーソナライゼーション,カバレッジ,セレンディピティー・ベンチマークにおいて,純粋にランク付けされている。
  論文  参考訳（メタデータ） (2023-05-18T15:37:38Z)
• Breaking Feedback Loops in Recommender Systems with Causal Inference [99.22185950608838]
  近年の研究では、フィードバックループが推奨品質を損なう可能性があり、ユーザの振る舞いを均質化している。 本稿では、因果推論を用いてフィードバックループを確実に破壊するアルゴリズムCAFLを提案する。 従来の補正手法と比較して,CAFLは推奨品質を向上することを示す。
  論文  参考訳（メタデータ） (2022-07-04T17:58:39Z)
• 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)
• Probabilistic and Variational Recommendation Denoising [56.879165033014026]
  暗黙のフィードバックから学ぶことは、推奨システムの適用において最も一般的なケースの1つである。 本稿では,暗黙のフィードバックに対する確率的・変動的推薦を提案する。 提案したDPIとDVAEを4つの最先端レコメンデーションモデルに適用し、3つのデータセットで実験を行う。
  論文  参考訳（メタデータ） (2021-05-20T08:59:44Z)
• Listener Modeling and Context-aware Music Recommendation Based on Country Archetypes [10.19712238203935]
  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。
  論文  参考訳（メタデータ） (2020-09-11T17:59:04Z)

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。