使用 SRBench 基准测试原声音乐推荐系统
信息检索
2013-08-07 v1 多媒体
摘要
本文提出了一种基准测试方法，用于评估原声音乐推荐系统的检索性能。此类系统旨在为给定的一组图像找到作为背景音乐播放的歌曲。所提出的基准测试基于偏好判断，其中相关性被视为连续序数变量，并且针对查询（即图像集）收集歌曲对的判断。为了捕捉各种各样的歌曲和图像，我们使用了广阔的音乐流派空间、音乐表达的不同情感以及各种查询图像主题。该基准测试包含两种类型的相关性评估：(i) 从用户研究中获得的判断，作为 (ii) 通过亚马逊 Mechanical Turk 收集的相关性判断的“黄金标准”。我们报告了基于不同级别用户一致性对相关判断的分析，并使用所提出的基准测试调查了两个最先进原声音乐推荐系统的性能。
引用
@article{arxiv.1308.1224,
title = {Benchmarking Soundtrack Recommendation Systems with SRBench},
author = {Aleksandar Stupar and Sebastian Michel},
journal= {arXiv preprint arXiv:1308.1224},
year = {2013}
}
备注
Extended version of the CIKM 2013 paper: SRbench-A Benchmark for Soundtrack Recommendation Systems