艺术家驱动的分层与用户行为对播放列表续列推荐场景推荐结果的影响
信息检索
2020-10-14 v1 机器学习
摘要
本文概述了我们在 ACM RecSys Challenge 2018 中以 Creamy Fireflies 团队身份所采用的方法。该竞赛由 Spotify 组织，聚焦于播放列表续列问题，即建议用户可向已有播放列表添加哪些曲目。该挑战在多种用例中解决此问题，从播放列表冷启动到已由多达一百首曲目组成的播放列表。我们的团队提出了一种基于若干知名基于内容与协同过滤模型的解决方案，其预测通过集成步骤进行聚合。此外，通过分析数据的底层结构，我们提出了一系列应用于最终预测之上以提升推荐质量的增强策略。所提方法利用了知名算法，能够在所需计算资源有限的情况下提供较高的推荐质量。
引用
@article{arxiv.2010.06233,
title = {Artist-driven layering and user's behaviour impact on recommendations in a playlist continuation scenario},
author = {Sebastiano Antenucci and Simone Boglio and Emanuele Chioso and Ervin Dervishaj and Shuwen Kang and Tommaso Scarlatti and Maurizio Ferrari Dacrema},
journal= {arXiv preprint arXiv:2010.06233},
year = {2020}
}
备注
Source code available here: https://github.com/MaurizioFD/spotify-recsys-challenge