一种基于播放幂律分布下用户刻画且考虑会话的歌曲推荐方法
信息检索
2020-06-04 v1 人机交互
机器学习
声音
音频与语音处理
摘要
近年来，流媒体音乐平台变得非常流行，主要原因在于这些系统向用户提供了海量歌曲。这种极大的可用性意味着需要引入推荐机制来帮助用户选择他们喜欢的音乐。然而，在音乐领域开发可靠的推荐系统涉及处理许多问题，其中一些是通用的并在文献中被广泛研究，而另一些则是该应用领域特有的，因此鲜为人知。本工作聚焦于两个未受太多关注的重要问题：处理灰色羊用户和获取隐式评分。前者通常借助往往难以获取的内容信息来解决。另一个缺点与当收集显式评分存在障碍时出现的稀疏性问题有关。在这项工作中，上述不足通过一种基于用户流媒体会话的推荐方法来解决。该方法旨在处理表征用户收听行为的著名幂律概率分布。该方案在降低迄今为止用于处理灰色羊问题的方法复杂度的同时，提升了协同过滤方法的推荐可靠性。
引用
@article{arxiv.2004.13007,
title = {A session-based song recommendation approach involving user characterization along the play power-law distribution},
author = {Diego Sánchez-Moreno and Vivian F. López Batista and M. Dolores Muñoz Vicente and Ana B. Gil González and María N. Moreno-García},
journal= {arXiv preprint arXiv:2004.13007},
year = {2020}
}
备注
Accepted in Complexity (ISSN: 1099-0526)