利用循环神经网络建模音乐品味演化
信息检索
2018-06-19 v1
摘要
即便是资深的音乐听众，也常常难以找到当下合心意的作品。音乐品味处于不断变化之中，而构建音乐品味动态的计算模型是一个丰富且模糊的问题空间。多种因素（如流行性、音乐学、社交、地理、代际等）都在一定程度上决定偏好，且这些因素因听众与情境而异。本文利用某大型音乐流媒体公司关于网络电台创建的庞大数据集，构建听众品味演化的计算模型。我们深入探究该领域的复杂性，识别出其独有的一些挑战，并开发了基于循环神经网络（recurrent neural networks）的模型。我们将模型应用于下一电台预测问题，结果表明其不仅优于若干基线方法，且在长尾音乐个性化方面表现突出，尤其通过学习听众音乐偏好演化的长期依赖结构而实现。
引用
@article{arxiv.1806.06535,
title = {Modeling Musical Taste Evolution with Recurrent Neural Networks},
author = {Massimo Quadrana and Marta Reznakova and Tao Ye and Erik Schmidt and Hossein Vahabi},
journal= {arXiv preprint arXiv:1806.06535},
year = {2018}
}