行为歌曲嵌入的多目标超参数优化

歌曲嵌入是大多数音乐推荐引擎的关键组件。本工作中，我们基于Word2Vec的行为歌曲嵌入在一组下游任务上研究其超参数优化，即下一首歌曲推荐、假邻居拒绝以及艺术家与流派聚类。我们提出新的优化目标和度量以监测超参数优化的影响。我们表明单目标优化会对未优化度量产生副作用，并提出了一种简单的多目标优化来缓解这些影响。我们发现Word2Vec的下一首歌曲推荐质量与歌曲流行度呈反相关，并展示了歌曲嵌入优化如何在不同流行度水平上平衡性能。随后我们展示了在播放预测任务上潜在的积极下游效应。最后，我们通过在工业规模数据集上测试超参数优化，提供了关于训练数据集规模影响的实用见解。