基于内容特征探索的自注意力流派分类透明音乐推荐
信息检索
2018-09-05 v2 声音
音频与语音处理
摘要
检索结果的可解释性是音乐推荐系统中的一个重要问题，尤其从用户视角来看。本研究探讨了利用自注意力提供内容特征可解释性的方法。我们使用在 140,000 首歌词上训练的自注意力流派分类模型提取歌词特征。类似地，我们使用在 120,000 条声学信号上训练的自注意力声学模型提取声学特征。实验结果表明，所提方法提供了在歌词与音乐内容两方面均可解释的特征。我们通过可视化注意力权重，并展示利用歌词或音频特征找到的最相似歌曲来对此进行演示。
引用
@article{arxiv.1808.10600,
title = {Content-based feature exploration for transparent music recommendation using self-attentive genre classification},
author = {Seungjin Lee and Juheon Lee and Kyogu lee},
journal= {arXiv preprint arXiv:1808.10600},
year = {2018}
}
备注
to appear at ACM RecSys '18 poster(LBR) session