MUSE：具有随机播放推荐增强的音乐推荐系统
信息检索
2023-08-29 v2
摘要
推荐系统已成为音乐流媒体服务中不可或缺的一部分，通过个性化播放列表和促进对新音乐的偶然发现来提升用户体验。然而，现有的推荐系统忽视了音乐领域固有的独特挑战，特别是以随机顺序提供后续曲目的随机播放（shuffle play）。基于我们的观察，即随机播放会话由于具有高独特转移率而主要阻碍了音乐推荐系统的整体训练过程，我们提出了一种具有随机播放推荐增强的音乐推荐系统（MUSE）。MUSE采用自监督学习框架，最大化原始会话与增强会话之间的一致性，该增强会话由我们新颖的会话增强方法（称为基于转移的增强）所生成。为了进一步促进两个视图之间表示的对齐，我们设计了两种细粒度匹配策略，即基于物品的匹配策略和基于相似度的匹配策略。通过在多种环境下进行的严格实验，我们证明了MUSE在Spotify的大规模音乐流媒体会话数据集（MSSD）上优于12个基线模型。MUSE的源代码可在 \url{https://github.com/yunhak0/MUSE} 获取。
引用
@article{arxiv.2308.09649,
title = {MUSE: Music Recommender System with Shuffle Play Recommendation Enhancement},
author = {Yunhak Oh and Sukwon Yun and Dongmin Hyun and Sein Kim and Chanyoung Park},
journal= {arXiv preprint arXiv:2308.09649},
year = {2023}
}
备注
CIKM 2023