論文の概要: "Beyond the past": Leveraging Audio and Human Memory for Sequential Music Recommendation

• arxiv url: http://arxiv.org/abs/2507.17356v1
• Date: Wed, 23 Jul 2025 09:37:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-24 22:33:14.94256
• Title: "Beyond the past": Leveraging Audio and Human Memory for Sequential Music Recommendation
• Title（参考訳）: 『過去を越えて』:連続音楽レコメンデーションのためのオーディオとヒューマンメモリの活用
• Authors: Viet-Tran Anh, Bruno Sguerra, Gabriel Meseguer-Brocal, Lea Briand, Manuel Moussallam,
• Abstract要約: 音楽ストリーミングサービスでは、リスニングセッションはよく親しみやすい曲と新しい曲のバランスで構成される。 本稿では,新しいトラックのアクティベートを事前に予測するために,音声情報を活用するモデルを提案する。
• 参考スコア（独自算出の注目度）: 2.3324752541608365
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: On music streaming services, listening sessions are often composed of a balance of familiar and new tracks. Recently, sequential recommender systems have adopted cognitive-informed approaches, such as Adaptive Control of Thought-Rational (ACT-R), to successfully improve the prediction of the most relevant tracks for the next user session. However, one limitation of using a model inspired by human memory (or the past), is that it struggles to recommend new tracks that users have not previously listened to. To bridge this gap, here we propose a model that leverages audio information to predict in advance the ACT-R-like activation of new tracks and incorporates them into the recommendation scoring process. We demonstrate the empirical effectiveness of the proposed model using proprietary data, which we publicly release along with the model's source code to foster future research in this field.
• Abstract（参考訳）: 音楽ストリーミングサービスでは、リスニングセッションはよく親しみやすい曲と新しい曲のバランスで構成される。 近年、シーケンシャルレコメンデータシステムは、次のユーザセッションにおいて最も関連性の高いトラックの予測を改善するために、ACT-R(Adaptive Control of Thought-Rational)のような認知インフォームドアプローチを採用している。 しかし、人間の記憶(あるいは過去の記憶)にインスパイアされたモデルを使用することの制限の一つは、ユーザーがこれまで聞いていなかった新しいトラックを推奨することに苦労していることだ。 本稿では,このギャップを埋めるため,ACT-Rライクな新しいトラックのアクティベーションを事前に予測し,レコメンデーションスコアリングプロセスに組み込むモデルを提案する。 提案手法の実証的効果を,プロプライエタリなデータを用いて実証し,提案手法のソースコードとともに公開し,今後の研究の促進を図っている。

関連論文リスト

• POET: Prompt Offset Tuning for Continual Human Action Adaptation [61.63831623094721]
  ユーザと開発者に対して,デバイスモデルに新たなアクションクラスを継続的に追加することで,エクスペリエンスをパーソナライズする機能の提供を目標としています。 我々はこれをプライバシーに配慮した数発の連続的な行動認識として定式化する。 本稿では,新しい時間的学習可能なプロンプトチューニング手法を提案し,グラフニューラルネットワークにこのようなプロンプトチューニングを適用した。
  論文  参考訳（メタデータ） (2025-04-25T04:11:24Z)
• Active Human Feedback Collection via Neural Contextual Dueling Bandits [84.7608942821423]
  本稿では,人間の嗜好フィードバックを抽出するアルゴリズムであるNeural-ADBを提案する。 優先フィードバックがBradley-Terry-Luceモデルに従うと、Neural-ADBが学習したポリシーの最悪の準最適差は、選好データセットが増加するにつれて、サブ線形速度で減少することを示す。
  論文  参考訳（メタデータ） (2025-04-16T12:16:10Z)
• Slow Thinking for Sequential Recommendation [88.46598279655575]
  本稿では,STREAM-Recという新しいスローシンキングレコメンデーションモデルを提案する。 弊社のアプローチは、過去のユーザの振る舞いを分析し、多段階の熟考的推論プロセスを生成し、パーソナライズされたレコメンデーションを提供する。 具体的には,(1)レコメンデーションシステムにおける適切な推論パターンを特定すること,(2)従来のレコメンデーションシステムの推論能力を効果的に刺激する方法を検討すること,の2つの課題に焦点を当てる。
  論文  参考訳（メタデータ） (2025-04-13T15:53:30Z)
• Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks [18.95453617434051]
  音楽レコメンデータシステムは、しばしばネットワークベースのモデルを使用して、楽曲、アーティスト、ユーザー間の関係をキャプチャする。 新しい音楽作品やアーティストは、初期情報が不十分なため、コールドスタートの問題に直面することが多い。 これを解決するために、音楽から直接コンテンツベースの情報を抽出し、協調フィルタリングに基づく手法を強化する。
  論文  参考訳（メタデータ） (2024-09-13T17:53:06Z)
• Comparative Analysis of Pretrained Audio Representations in Music Recommender Systems [0.0]
  音楽情報検索 (MIR) は大量の音楽データに基づいて事前訓練された様々なモデルを提案する。 転送学習は、下流タスクの幅広い範囲で事前訓練されたバックエンドモデルの実証された効果を示す。 Music Recommender Systemsは、事前訓練されたモデルよりも、従来のエンドツーエンドのニューラルネットワーク学習を好む傾向がある。
  論文  参考訳（メタデータ） (2024-09-13T17:03:56Z)
• 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)
• Bridging User Dynamics: Transforming Sequential Recommendations with Schrödinger Bridge and Diffusion Models [49.458914600467324]
  拡散に基づく逐次レコメンデーションモデルにSchr"odinger Bridgeを導入し、SdifRecモデルを作成する。 また、ユーザクラスタリング情報を誘導条件として利用するcon-SdifRecと呼ばれるSdifRecの拡張版も提案する。
  論文  参考訳（メタデータ） (2024-08-30T09:10:38Z)
• Transformers Meet ACT-R: Repeat-Aware and Sequential Listening Session Recommendation [12.295794664393368]
  PISAは,音楽ストリーミングサービスのセッションレベルのシーケンシャルレコメンデーションシステムである。 PISAは、リスニングセッションとユーザの埋め込み表現を学習するTransformerアーキテクチャを採用している。 我々は、Last.fmの公開リスニングデータとDeezerのプロプライエタリデータの両方を用いて、PISAの実証的妥当性を示す。
  論文  参考訳（メタデータ） (2024-08-29T14:44:12Z)
• Leveraging Pre-trained AudioLDM for Sound Generation: A Benchmark Study [33.10311742703679]
  本稿では,AudioLDMを用いた音声生成における事前学習のメリットについて検討する。 本研究では,事前学習したAudioLDMの利点,特にデータ共有シナリオの利点を実証する。 様々な頻繁に使用されるデータセットに対して,音生成タスクをベンチマークする。
  論文  参考訳（メタデータ） (2023-03-07T12:49:45Z)
• Effective and Efficient Training for Sequential Recommendation using Recency Sampling [91.02268704681124]
  本稿では,新しいRecency-based Smpling of Sequencesトレーニング目標を提案する。 提案手法により拡張されたモデルにより,最先端のBERT4Recに近い性能が得られることを示す。
  論文  参考訳（メタデータ） (2022-07-06T13:06:31Z)
• ADER: Adaptively Distilled Exemplar Replay Towards Continual Learning for Session-based Recommendation [28.22402119581332]
  セッションベースのレコメンデーションは最近、プライバシーの懸念が高まり、注目を集めている。 本稿では,従来のトレーニングサンプルを定期的に再生することで,ADER(Adaptively Distilled Exemplar Replay)と呼ばれる手法を提案する。 ADERは他のベースラインを一貫して上回り、更新サイクル毎にすべての履歴データを使用してメソッドを上回ります。
  論文  参考訳（メタデータ） (2020-07-23T13:19:53Z)

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。