针对具有不同音乐消费模式的用户建模其艺人偏好以实现公平音乐推荐

音乐推荐系统已成为 Last.fm、Pandora 或 Spotify 等流行流媒体平台的核心组成部分，帮助用户发现符合其偏好的音乐。这些系统从用户过去的收听事件中学习，以推荐用户未来可能收听的音乐。当前算法通常利用用户收听行为之间的相似性采用协同过滤（CF）。一些方法还将 CF 与内容特征结合为混合推荐系统。虽然音乐推荐系统能为主流音乐艺人的听众提供高质量的推荐，但近期研究表明它们往往歧视非正统、低主流艺人的听众。这主要由于低主流音乐的使用数据稀缺，因为音乐消费模式偏向于流行艺人。因此，我们工作的目标是提供一种新颖方法，用于建模具有不同音乐消费模式和收听习惯的用户的艺人偏好。