DJ-MC：一种用于音乐播放列表推荐的强化学习智能体
机器学习
2015-03-26 v2
摘要
近年来，自动化推荐系统的研究日益受到关注。音乐推荐系统无论是从学术还是商业角度来看，都是此类工作的一个突出领域。音乐感知的一个基本方面是，音乐是在时间背景和序列中被体验的。在这项工作中，我们提出了 DJ-MC，这是一种用于音乐推荐的新型强化学习框架，它不是单独推荐歌曲，而是基于对歌曲和歌曲过渡的偏好模型来推荐歌曲序列或播放列表。该模型在线学习，并为每位听众独特地适配。为了减少探索时间，DJ-MC 利用用户反馈来初始化模型，随后通过强化学习对其进行更新。我们使用真实歌曲和播放列表数据，通过人类参与者评估了我们的框架。结果表明，DJ-MC 推荐歌曲序列的能力相比那些不考虑过渡的更直接方法提供了显著改进。
引用
@article{arxiv.1401.1880,
title = {DJ-MC: A Reinforcement-Learning Agent for Music Playlist Recommendation},
author = {Elad Liebman and Maytal Saar-Tsechansky and Peter Stone},
journal= {arXiv preprint arXiv:1401.1880},
year = {2015}
}
备注
-Updated to the most recent and completed version (to be presented at AAMAS 2015) -Updated author list. in Autonomous Agents and Multiagent Systems (AAMAS) 2015, Istanbul, Turkey, May 2015