一种面向长尾的艺术家与音乐相似度表示框架
声音
2023-09-11 v1 信息检索
音频与语音处理
摘要
艺术家与音乐之间相似度的研究在音乐检索与推荐中至关重要，而应对长尾现象的挑战也日益重要。本文提出一种长尾友好表示框架（Long-Tail Friendly Representation Framework, LTFRF），利用神经网络对相似度关系进行建模。我们的方法将音乐、用户、元数据和关系数据整合到一个统一的度量学习框架中，并采用元一致性关系作为正则项引入多关系损失（Multi-Relationship Loss）。与图神经网络（GNN）相比，我们所提出的框架在艺术家与音乐之间关系稀疏的长尾场景中提升了表示性能。我们在 AllMusic 数据集上进行了实验与分析，结果表明我们的框架对艺术家与音乐表示提供了良好的泛化能力。具体而言，在相似艺术家/音乐推荐任务上，LTFRF 在 Hit Ratio@10 上优于基线 9.69%/19.42%，而在长尾情况下，该框架在 Consistent@10 上比基线高出 11.05%/14.14%。
引用
@article{arxiv.2309.04182,
title = {A Long-Tail Friendly Representation Framework for Artist and Music Similarity},
author = {Haoran Xiang and Junyu Dai and Xuchen Song and Furao Shen},
journal= {arXiv preprint arXiv:2309.04182},
year = {2023}
}