“超越过去”：利用音频和人类记忆进行序列音乐推荐
信息检索
2025-08-05 v2
摘要
在音乐流媒体服务上，收听会话通常由熟悉和新曲目平衡组成。最近，序列推荐系统采用了认知启发的方法，例如自适应控制思维-理性（ACT-R），以成功改进对下一个用户会话最相关曲目的预测。然而，使用受人类记忆（或过去）启发的模型的一个局限性是，它难以推荐用户以前未听过的全新曲目。为弥补这一差距，我们在此提出一个模型，该模型利用音频信息来预先预测类似 ACT-R 的新曲目激活，并将其纳入推荐评分过程。我们使用专有数据证明了所提出模型的经验有效性，我们将这些数据与模型的源代码一起公开发布，以促进该领域的未来研究。
引用
@article{arxiv.2507.17356,
title = {"Beyond the past": Leveraging Audio and Human Memory for Sequential Music Recommendation},
author = {Viet-Anh Tran and Bruno Sguerra and Gabriel Meseguer-Brocal and Lea Briand and Manuel Moussallam},
journal= {arXiv preprint arXiv:2507.17356},
year = {2025}
}