論文の概要: Reading the Mood: Emotion-Guided Book-to-Music Recommendation via CGANs and LLMs
- arxiv url: http://arxiv.org/abs/2610.06703v1
- Date: Mon, 05 Oct 2026 17:01:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 23:30:46.997487
- Title: Reading the Mood: Emotion-Guided Book-to-Music Recommendation via CGANs and LLMs
- Title（参考訳）: モッドを読む:CGANとLCMによる感情ガイドブック・ツー・ミュージック・レコメンデーション
- Abstract要約: クロスドメインレコメンデーション(SAGA-CDR)のためのジェネレーティブ・アウェア・ジェネレーティブ・アドバイサル・ネットワークについて紹介する。
SAGA-CDRは、音楽提案をパーソナライズし、読み上げられた本と感情的に整合させるクロスドメインレコメンデーションフレームワークである。
英語 Amazon と Chinese Douban のデータセットによる実験は、SAGA-CDR が最高の評価精度を達成していることを示している。
- 参考スコア（独自算出の注目度）: 5.538830493904725
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background music that matches the mood of a text has been shown to make readers feel more immersed and improve their reading experience, motivating recommender systems that pair books with mood-matched music. In this direction, we present Sentiment Aware Generative Adversarial Network for Cross Domain Recommendation (SAGA-CDR), a two-phase cross-domain recommendation framework that personalizes music suggestions and emotionally aligns them with the book being read. In the first phase, transformer-based sentiment embeddings are constructed from user reviews and mapped across domains via a Conditional Generative Adversarial Network, whose mask-conditioned generator handles missing sentiment components and injects stochasticity for richer preference transfer. A compact rating neural network then fuses sentiment-specific interaction scores with a collaborative filtering prior to predict music ratings. In the second phase, large language models classify each book into a valence-arousal emotional quadrant, and candidate tracks are filtered to match that quadrant. Experiments on both the English Amazon and Chinese Douban datasets show that SAGA-CDR achieves the best rating prediction accuracy on Amazon (RMSE 0.98) and the lowest RMSE on Douban (0.91), with ranking performance competitive with the strongest sentiment-aware baseline, even in cross-lingual settings.
- Abstract（参考訳）: テキストのムードにマッチするバックグラウンド音楽は、読者の没入感を高め、読者の読書体験を改善し、本と気分に合った音楽とを合わせたレコメンデーションシステムに動機付けている。
本稿では,音楽提案をパーソナライズし,本書の読み方と感情的に整合させる2段階のクロスドメインレコメンデーションフレームワークである,クロスドメインレコメンデーションのための感性認識生成適応ネットワーク(SAGA-CDR)を提案する。
第1フェーズでは、トランスフォーマーベースの感情埋め込みがユーザレビューから構築され、コンディショナルジェネクティブ・アドバイザリアル・ネットワークを介してドメインにマップされる。
コンパクトなレーティングニューラルネットワークは、音楽のレーティングを予測する前に、感情特異的なインタラクションスコアと協調的なフィルタリングを融合する。
第2フェーズでは、大きな言語モデルにより、各本を原子価の覚醒的な感情的な四分体に分類し、その四分体に一致するように候補トラックをフィルタリングする。
英語のAmazonと中国語のDoubanデータセットでの実験では、SAGA-CDRがAmazon(RMSE 0.98)で最高の評価予測精度を達成し、Douban(0.91)で最低のRMSEを達成している。
関連論文リスト
- YuE2: Unifying Symbolic and Audio Music Generation at Frontier Quality [74.61395664600597]
我々は,記号プランニングにより,フロンティア品質の象徴的およびオーディオ音楽生成を統一するYuE2を紹介する。
1つのAR-NAR Mixture-of-Transformers (MoT)は、まずメロディとハーモニーを指定する可読性スコアを書き、セマンティックミュージックトークンに拡張し、フルソングオーディオとして実現する。
専門家の聞き取りは、プロプライエタリな曲のジェネレータとの競争力をさらに確立し、Suno v4.5よりも8のベストを保ち、Suno v5に対してほぼバランスの取れた好みを与える。
論文 参考訳（メタデータ） (2026-09-27T16:55:13Z) - Mood-Aware Music Recommendation: Integrating User Affective Signals into Ranking Systems [0.8379286663107844]
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。
論文 参考訳（メタデータ） (2026-06-11T19:36:31Z) - FIGMA: Towards FIne-Grained Music retrievAl [65.98380295254817]
自然言語記述による音楽の検索はCLAPのような対照的な音声テキストモデルで改善されているが、現在のシステムはいまだに大まかなセマンティッククエリに限られている。
この制限は、長いキャプションで訓練されているにもかかわらず、CLAPベースのモデルは、最初の数個のトークンのみを効果的に活用する。
本研究では,グローバルな音声テキストアライメントとフレームレベルのトークンアライメントを共同で最適化することで,この制限に対処するマルチビューコントラストアーキテクチャであるFIGMAを提案する。
論文 参考訳（メタデータ） (2026-06-04T18:05:39Z) - 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) - Words to Waves: Emotion-Adaptive Music Recommendation System [0.0]
本稿では,ワイド・アンド・ディープ・ラーニング・アーキテクチャを応用した新しい音楽推薦フレームワークを提案する。
このフレームワークは、自然言語から直接推測されるリアルタイムの感情状態を入力として取り、ムードを忠実に描写する歌を推奨する。
実験の結果,パーソナライズされた音楽選択がユーザの感情に肯定的な影響を与え,感情的関連性に大きな改善をもたらすことが明らかとなった。
論文 参考訳（メタデータ） (2025-09-17T15:35:03Z) - Towards Empathetic Conversational Recommender Systems [77.53167131692]
本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。
ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。
ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
論文 参考訳（メタデータ） (2024-08-30T15:43:07Z) - Emotion-aware Personalized Music Recommendation with a Heterogeneity-aware Deep Bayesian Network [8.844728473984766]
我々はこれらの仮定をモデル化するヘテロジニティ対応ディープベイズネットワーク(HDBN)を提案する。
HDBNは、4つのコンポーネントで音楽を選択するというユーザの決定過程を模倣している。
提案手法は,HR,Precision,NDCG,MRRの指標に対するベースラインアプローチよりも有意に優れている。
論文 参考訳（メタデータ） (2024-06-20T08:12:11Z) - 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) - Contrastive Learning with Positive-Negative Frame Mask for Music
Representation [91.44187939465948]
本稿では,PEMRと略記したコントラッシブラーニングフレームワークに基づく,音楽表現のための正負負のフレームマスクを提案する。
我々は,同じ音楽からサンプリングした自己増強陽性/陰性の両方に対応するために,新しいコントラスト学習目標を考案した。
論文 参考訳（メタデータ） (2022-03-17T07:11:42Z) - Generating Lead Sheets with Affect: A Novel Conditional seq2seq
Framework [3.029434408969759]
本稿では,リードシート内のコード進行の正負性や負性性を計算するための新しい手法を提案する。
私たちのアプローチは、シーケンス・トゥ・シークエンスアーキテクチャのエンコーダ部分に高レベルの条件を含むため、ニューラルネットワーク翻訳(NMT)問題に似ています。
提案された戦略は、制御可能な方法でリードシートを生成することができ、トレーニングデータセットのそれに似た音楽属性の分布をもたらす。
論文 参考訳（メタデータ） (2021-04-27T09:04:21Z) - Emotion-Based End-to-End Matching Between Image and Music in
Valence-Arousal Space [80.49156615923106]
イメージと音楽に類似した感情を合わせることは、感情の知覚をより鮮明で強くするのに役立つ。
既存の感情に基づく画像と音楽のマッチング手法では、限られたカテゴリーの感情状態を使用するか、非現実的なマルチステージパイプラインを使用してマッチングモデルを訓練する。
本稿では,連続的原子価覚醒空間(VA)における感情に基づく画像と音楽のエンドツーエンドマッチングについて検討する。
論文 参考訳（メタデータ） (2020-08-22T20:12:23Z)
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。