情感感知的异质性感知深度贝叶斯网络个性化音乐推荐
人工智能
2024-12-02 v2
摘要
音乐推荐系统在音乐流媒体平台中发挥着关键作用，通过为用户提供他们可能喜欢的音乐。最近的研究表明，用户的情绪可以影响他们对音乐情绪偏好的偏好。然而，现有的情感感知音乐推荐系统 (EMRSs) 显式或隐式地假设用户通过相同情感词表达的实际情绪状态是一致的。他们也假设在相同的情绪状态下，用户对音乐情绪偏好是一致的。本文提出了四种应 EMRS 所需考虑的异质性：跨用户的情绪异质性、用户内部的情绪异质性、跨用户的音乐情绪偏好异质性以及用户内部的音乐情绪偏好异质性。我们进一步提出了一种异质性感知深度贝叶斯网络 (HDBN) 来建模这些假设。HDBN 模仿用户选择音乐的决策过程，包括：个性化先验用户情绪分布建模、后验用户情绪分布建模、用户分组以及基于贝叶斯神经网络的音乐情绪偏好预测。我们构建了两个数据集，称为 EmoMusicLJ 和 EmoMusicLJ-small，用于验证我们的方法。大量实验表明，我们的方法在 HR、Precision、NDCG 和 MRR 指标上显著优于基线方法。消融研究和案例研究进一步验证了 HDBN 的有效性。源代码和数据集可在 https://github.com/jingrk/HDBN 获取。
引用
@article{arxiv.2406.14090,
title = {Emotion-aware Personalized Music Recommendation with a Heterogeneity-aware Deep Bayesian Network},
author = {Erkang Jing and Yezheng Liu and Yidong Chai and Shuo Yu and Longshun Liu and Yuanchun Jiang and Yang Wang},
journal= {arXiv preprint arXiv:2406.14090},
year = {2024}
}
备注
43 pages, 20 figures