使用 ACT-R 框架预测音乐重听行为
信息检索
2023-06-28 v2
摘要
提供合适的推荐对于提升音乐推荐系统的用户满意度至关重要。用户在此类系统中常反复聆听同一曲目，并乐于多次接收同一歌曲的推荐。因此，考量用户的重听行为对音乐推荐系统十分关键。本文描述一种受音乐心理学研究启发、将音乐偏好与人类记忆相关联的心理学驱动方法，用于建模并预测音乐重听行为。我们采用成熟的人类认知心理学理论——自适应思维控制理性（Adaptive Control of Thought-Rational, ACT-R）来建模人类记忆运作。与仅使用 ACT-R 基础层组件的前期工作不同，我们利用 ACT-R 的五个组件，即基础层、扩散、部分匹配、赋值与噪声，以探究五个因素对音乐重听行为的影响：（i）先前接触曲目的新近性与频次，（ii）曲目共现，（iii）曲目间相似性，（iv）对曲目的熟悉度，以及（v）行为随机性。在来自 Last.fm 的 170 万条聆听事件数据集上，我们通过顺序预测用户会话中的后续曲目来评估方法性能。我们发现，先前接触曲目的新近性与频次是重听行为的有效预测因子。此外，考虑曲目共现与熟悉度进一步在 R-precision 方面提升了性能。我们希望本工作能启发未来关于考量记忆检索认知方面以建模和预测复杂用户行为的研究。
引用
@article{arxiv.2108.02138,
title = {Predicting Music Relistening Behavior Using the ACT-R Framework},
author = {Markus Reiter-Haas and Emilia Parada-Cabaleiro and Markus Schedl and Elham Motamedi and Marko Tkalcic and Elisabeth Lex},
journal= {arXiv preprint arXiv:2108.02138},
year = {2023}
}
备注
Accepted for publication in RecSys'21 late-breaking results