論文の概要: Mood-Aware Music Recommendation: Integrating User Affective Signals into Ranking Systems

• arxiv url: http://arxiv.org/abs/2606.13858v1
• Date: Thu, 11 Jun 2026 19:36:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.610501
• Title: Mood-Aware Music Recommendation: Integrating User Affective Signals into Ranking Systems
• Title（参考訳）: Mood-Aware Music Recommendation: ユーザ影響信号のランキングシステムへの統合
• Authors: Terence Zeng, Abhishek K. Umrawal,
• Abstract要約: ユーザの感情的な信号を推薦プロセスに統合する気分条件付ランキングフレームワークを提案する。 その結果,音楽レコメンデーションにムードに基づくインプットを組み込むことの有効性の予備的証拠として,印象的なレコメンデーション品質の向上が示唆された。
• 参考スコア（独自算出の注目度）: 0.8379286663107844
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recommendation systems are essential in modern music streaming platforms due to the vast amount of available content. While collaborative filtering is widely used to suggest items based on the preferences of others with similar patterns, it performs poorly in domains where user-item interactions are sparse, such as music. Content-based filtering is an alternative approach that examines the qualities of the items themselves. Genre, instrumentation, and lyrics have been explored; however, relatively little attention has been given to emotion recognition. Since a user's emotional state strongly influences their music choice, incorporating mood signals offers a promising direction for personalization. In this work, we propose a mood-conditioned ranking framework that integrates user affective signals into the recommendation process via softmax-based sampling in the energy-valence space. We evaluate the approach via single-blind experiments in which participants compare recommendations from the proposed system against a baseline. The results indicate improved perceived recommendation quality, providing preliminary evidence for the effectiveness of incorporating mood-based inputs into music recommendations.
• Abstract（参考訳）: レコメンデーションシステムは、膨大な量のコンテンツがあるため、現代の音楽ストリーミングプラットフォームにおいて不可欠である。 協調フィルタリングは、類似したパターンの他者の好みに基づく項目を提案するのに広く用いられているが、音楽など、ユーザとイテムの相互作用が疎い領域では不十分である。 コンテンツベースのフィルタリングは、アイテム自体の品質を調べる別のアプローチである。 ジェンレ、楽器、歌詞は研究されているが、感情認識にはあまり注目されていない。 ユーザの感情状態が音楽選択に強く影響するため、気分信号の導入はパーソナライズに有望な方向を提供する。 本研究では,エネルギー価空間におけるソフトマックスに基づくサンプリングにより,ユーザの感情信号をレコメンデーションプロセスに統合する気分条件付きランキングフレームワークを提案する。 本手法は,提案システムとベースラインとのレコメンデーションを参加者が比較する単一盲検実験により評価する。 その結果,音楽レコメンデーションにムードに基づくインプットを組み込むことの有効性の予備的証拠として,印象的なレコメンデーション品質の向上が示唆された。

関連論文リスト

• Enhancing Music Recommendation with User Mood Input [0.0]
  我々は、エネルギー価スペクトルを用いて、所望の気分に基づいて歌を推薦する気分支援レコメンデーションシステムについて検討する。 その結果,ユーザの気分統合は,推薦品質の統計的改善につながることが示された。
  論文  参考訳（メタデータ） (2026-03-12T10:59:07Z)
• Revisiting Content-Based Music Recommendation: Efficient Feature Aggregation from Large-Scale Music Models [54.4270504928356]
  Music Recommendation Systems (MRS)は、現代のストリーミングプラットフォームの基盤である。 我々は,音楽レコメンデーションにおけるマルチモーダル情報の役割を強調するために,総合的なデータセットとベンチマークフレームワークであるTASTEを提案する。 近年の大規模自己監督型音楽エンコーダの活用により,レコメンデーションタスク間で抽出された音声表現の意義を実証する。
  論文  参考訳（メタデータ） (2026-02-10T15:24:41Z)
• Tree of Preferences for Diversified Recommendation [54.183647833064136]
  データバイアスの観点から、多種多様な推薦について検討する。 本研究では,世界知識を活用したゼロショット推論における大規模言語モデル(LLM)の卓越した性能に着想を得て,新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2025-12-24T04:13:17Z)
• Interactive Visualization Recommendation with Hier-SUCB [52.11209329270573]
  本稿では,従来のインタラクションからユーザフィードバックを学習する対話型パーソナライズドビジュアライゼーションレコメンデーション(PVisRec)システムを提案する。 よりインタラクティブで正確なレコメンデーションのために、PVisRec設定における文脈的半帯域であるHier-SUCBを提案する。
  論文  参考訳（メタデータ） (2025-02-05T17:14:45Z)
• Enhancing Sequential Music Recommendation with Negative Feedback-informed Contrastive Learning [0.20482269513546453]
  セッションベース音楽レコメンデーションにアイテム埋め込みを構成するためのシーケンス対応サブタスクを提案する。 これは、K-nearest-neighbors検索でアイテムランキングに直接影響する。 シーケンシャルアイテムレコメンデーションのために、このタスクをSoTAメソッドに組み込んだ実験は、一貫したパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2024-09-11T15:56:05Z)
• 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)
• 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)
• 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)
• 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)
• 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)

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。