利用瞬时上下文支持稳健且多样的音乐推荐
信息检索
2017-08-10 v1
摘要
虽然先前关于基于上下文的音乐推荐的工作集中于固定的上下文集合（例如步行、驾驶、慢跑），但我们提出使用多种传感器和外部数据源，以极其丰富的方式描述包含大量可能状态的瞬时（短时）上下文（例如，在夜晚大雨中疲惫且愤怒地沿着悉尼市中心快速慢跑）。通过我们的方法，解决了当前方法所面临的问题：1）从缺失或错误的传感器数据中推断上下文的能力有限；2）无法使用上下文信息来支持新内容的发现。
引用
@article{arxiv.1708.02765,
title = {Ephemeral Context to Support Robust and Diverse Music Recommendations},
author = {Pavel Kucherbaev and Nava Tintarev and Carlos Rodriguez},
journal= {arXiv preprint arXiv:1708.02765},
year = {2017}
}
备注
3 pages, 1 figure, Machine Learning for Music Discovery workshop at ICML2017