論文の概要: Soundtracks of Our Lives: How Age Influences Musical Preferences

• arxiv url: http://arxiv.org/abs/2509.08337v1
• Date: Wed, 10 Sep 2025 07:21:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-11 15:16:52.337077
• Title: Soundtracks of Our Lives: How Age Influences Musical Preferences
• Title（参考訳）: 人生のサウンドトラック:年齢が音楽の嗜好にどのように影響するか
• Authors: Arsen Matej Golubovikj, Bruce Ferwerda, Alan Said, Marko Talčič,
• Abstract要約: LFM-2bデータセットを用いて,ユーザの嗜好や行動の進化について検討する。 高齢者はより精巧でパーソナライズされた聴取習慣を持つため、若者は現代ポピュラー音楽に広く耳を傾ける傾向にある。
• 参考スコア（独自算出の注目度）: 2.012425476229879
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The majority of research in recommender systems, be it algorithmic improvements, context-awareness, explainability, or other areas, evaluates these systems on datasets that capture user interaction over a relatively limited time span. However, recommender systems can very well be used continuously for extended time. Similarly so, user behavior may evolve over that extended time. Although media studies and psychology offer a wealth of research on the evolution of user preferences and behavior as individuals age, there has been scant research in this regard within the realm of user modeling and recommender systems. In this study, we investigate the evolution of user preferences and behavior using the LFM-2b dataset, which, to our knowledge, is the only dataset that encompasses a sufficiently extensive time frame to permit real longitudinal studies and includes age information about its users. We identify specific usage and taste preferences directly related to the age of the user, i.e., while younger users tend to listen broadly to contemporary popular music, older users have more elaborate and personalized listening habits. The findings yield important insights that open new directions for research in recommender systems, providing guidance for future efforts.
• Abstract（参考訳）: アルゴリズムによる改善、コンテキスト認識、説明可能性、その他の分野など、レコメンデーションシステムにおける研究の大部分は、これらのシステムを、比較的限られた時間にわたってユーザインタラクションをキャプチャするデータセット上で評価する。 しかし、リコメンデータシステムは長期にわたって継続して使用することができる。 同様に、ユーザの振る舞いは、その長期にわたって進化する可能性がある。 メディア研究と心理学は、個人としてのユーザの嗜好と行動の進化に関する豊富な研究を提供するが、ユーザーモデリングとレコメンデーションシステムという領域では、この点について研究がなされている。 本研究では, LFM-2bデータセットを用いたユーザの嗜好と行動の進化について検討し, LFM-2bデータセットは, 十分な時間枠を含む唯一のデータセットであり, 実際の縦断的研究を許可し, ユーザに関する年齢情報を含む。 若者は、現代ポピュラー音楽に広く耳を傾ける傾向にあるのに対し、高齢者はより精巧でパーソナライズされた聴取習慣を持っている。 この発見は、レコメンデーションシステムにおける研究のための新しい方向を開く重要な洞察を与え、今後の取り組みのガイダンスを提供する。

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)
• Modeling the Heterogeneous Duration of User Interest in Time-Dependent Recommendation: A Hidden Semi-Markov Approach [11.392605386729699]
  ユーザの関心事の変化を追跡するために,隠れたセミマルコフモデルを提案する。 このモデルでは、(最近)関心のある状態に留まるユーザの異なる期間をキャプチャすることができる。 パラメータを推定し,ユーザの行動を予測するためのアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-12-15T09:17:45Z)
• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Personalizing Intervened Network for Long-tailed Sequential User Behavior Modeling [66.02953670238647]
  タイルユーザーは、共同トレーニング後のヘッドユーザーよりも大幅に品質の低いレコメンデーションに悩まされる。 テールユーザーで個別に訓練されたモデルは、限られたデータのために依然として劣った結果が得られる。 本稿では,テールユーザの推薦性能を大幅に向上させる新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-08-19T02:50:19Z)
• Learning Transferrable Parameters for Long-tailed Sequential User Behavior Modeling [70.64257515361972]
  テールユーザに注力することで、より多くのメリットをもたらし、長いテールの問題に対処できる、と私たちは主張しています。 具体的には、頭部から尾部への知識伝達を容易にするために、勾配アライメントを提案し、敵のトレーニングスキームを採用する。
  論文  参考訳（メタデータ） (2020-10-22T03:12:02Z)
• Sequential Recommender via Time-aware Attentive Memory Network [67.26862011527986]
  本稿では,注意機構と繰り返し単位を改善するための時間ゲーティング手法を提案する。 また,長期と短期の嗜好を統合するマルチホップ・タイムアウェア・アテンテーティブ・メモリ・ネットワークを提案する。 提案手法は,候補探索タスクに対してスケーラブルであり,ドット積に基づくTop-Kレコメンデーションのための潜在因数分解の非線形一般化とみなすことができる。
  論文  参考訳（メタデータ） (2020-05-18T11:29:38Z)
• Improving time use measurement with personal big data collection -- the experience of the European Big Data Hackathon 2019 [62.997667081978825]
  この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。 i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
  論文  参考訳（メタデータ） (2020-04-24T18:40:08Z)

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。