論文の概要: Familiarizing with Music: Discovery Patterns for Different Music Discovery Needs
- arxiv url: http://arxiv.org/abs/2505.03568v1
- Date: Tue, 06 May 2025 14:26:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-07 18:50:11.423949
- Title: Familiarizing with Music: Discovery Patterns for Different Music Discovery Needs
- Title（参考訳）: 音楽に精通する:音楽の発見に必要な発見パターン
- Authors: Marta Moscati, Darius Afchar, Markus Schedl, Bruno Sguerra,
- Abstract要約: 我々は,大手音楽ストリーミングプラットフォームであるDeezerの利用者が回答した調査データと,ストリーミングデータとを組み合わせて分析した。
まず,不慣れな音楽に強い関心を抱くユーザーが,より多様な音楽に耳を傾けるかどうかを問う。
次に、不慣れな音楽を探究する際、ユーザーがどの曲を聴くかを調査し、人気度とジャンルの代表性の明確なパターンを特定する。
- 参考スコア（独自算出の注目度）: 9.363492538580681
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humans have the tendency to discover and explore. This natural tendency is reflected in data from streaming platforms as the amount of previously unknown content accessed by users. Additionally, in domains such as that of music streaming there is evidence that recommending novel content improves users' experience with the platform. Therefore, understanding users' discovery patterns, such as the amount to which and the way users access previously unknown content, is a topic of relevance for both the scientific community and the streaming industry, particularly the music one. Previous works studied how music consumption differs for users of different traits and looked at diversity, novelty, and consistency over time of users' music preferences. However, very little is known about how users discover and explore previously unknown music, and how this behavior differs for users of varying discovery needs. In this paper we bridge this gap by analyzing data from a survey answered by users of the major music streaming platform Deezer in combination with their streaming data. We first address questions regarding whether users who declare a higher interest in unfamiliar music listen to more diverse music, have more stable music preferences over time, and explore more music within a same time window, compared to those who declare a lower interest. We then investigate which type of music tracks users choose to listen to when they explore unfamiliar music, identifying clear patterns of popularity and genre representativeness that vary for users of different discovery needs. Our findings open up possibilities to infer users' interest in unfamiliar music from streaming data as well as possibilities to develop recommender systems that guide users in exploring music in a more natural way.
- Abstract（参考訳）: 人間は発見し、探索する傾向がある。
この自然な傾向は、これまで未知のコンテンツがユーザからアクセスされていたため、ストリーミングプラットフォームからのデータに反映される。
また、音楽ストリーミングなどのドメインでは、新しいコンテンツを推奨することで、プラットフォームでのユーザエクスペリエンスが向上する証拠がある。
したがって、これまで未知のコンテンツにアクセスする量や方法など、ユーザの発見パターンを理解することは、科学界とストリーミング業界、特に音楽界の双方にとって、関連性のあるトピックである。
先行研究は、異なる特徴を持つユーザの音楽消費の相違について研究し、ユーザの音楽嗜好の時間とともに多様性、ノベルティ、一貫性について検討した。
しかし、これまで知られていなかった音楽の発見と探索方法や、この動作が様々な発見ニーズを持つユーザにとってどのように異なるかについては、ほとんど分かっていない。
本稿では,大手音楽ストリーミングプラットフォームであるDeezerのユーザが回答したデータと,ストリーミングデータを組み合わせて分析することで,このギャップを埋める。
まず,不慣れな音楽への関心を訴えるユーザは,より多様な音楽を聴き,時間とともに音楽の好みを安定させ,同じ時間内により多くの音楽を探求する。
次に、ユーザが不慣れな音楽を探索する際、どのタイプの楽曲を聴くかを調べ、異なる発見ニーズのユーザによって異なる人気パターンとジャンルの代表性を特定する。
我々の発見は、ストリーミングデータから不慣れな音楽に対するユーザの関心を推測する可能性と、より自然な方法で音楽を探索するためのレコメンデーションシステムを開発する可能性を開く。
関連論文リスト
- Modeling Musical Genre Trajectories through Pathlet Learning [3.6133082266958616]
本稿では,辞書学習のパラダイムを用いて,さまざまなジャンルのユーザトラジェクトリをモデル化する。
我々は、パスレットと呼ばれるジャンルトラジェクトリにおける繰り返しパターンをキャプチャする新しいフレームワークを定義する。
その結果,パスレット学習は質的かつ定量的に分析可能な関連する聴取パターンを明らかにした。
論文 参考訳（メタデータ） (2025-05-06T12:33:40Z) - 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) - "All of Me": Mining Users' Attributes from their Public Spotify
Playlists [18.77632404384041]
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。
論文 参考訳（メタデータ） (2024-01-25T16:38:06Z) - 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) - A Dataset for Greek Traditional and Folk Music: Lyra [69.07390994897443]
本稿では,80時間程度で要約された1570曲を含むギリシャの伝統音楽と民俗音楽のデータセットについて述べる。
このデータセットにはYouTubeのタイムスタンプ付きリンクが組み込まれており、オーディオやビデオの検索や、インスツルメンテーション、地理、ジャンルに関する豊富なメタデータ情報が含まれている。
論文 参考訳（メタデータ） (2022-11-21T14:15:43Z) - 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) - Follow the guides: disentangling human and algorithmic curation in
online music consumption [1.4506962780822348]
我々は1年間に約9万ユーザーのリスニング履歴を分析した。
音楽プラットフォームが提供する2種類のレコメンデーション – アルゴリズムと編集 – は、多かれ少なかれ多様なコンテンツを反対方向に消費する可能性があることを示す。
論文 参考訳（メタデータ） (2021-09-08T20:14:48Z) - 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) - Mi YouTube es Su YouTube? Analyzing the Cultures using YouTube
Thumbnails of Popular Videos [98.87558262467257]
本研究では,YouTubeのトレンド動画のサムネイルを用いて,各国の文化選好について検討した。
実験の結果、類似文化のユーザーはYouTubeで同様のビデオを見ることに興味を持っていることがわかった。
論文 参考訳（メタデータ） (2020-01-27T20:15:57Z)
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。