ragamAI：用于编排印度古典音乐音乐会的基于网络的推荐系统
信息检索
2019-12-10 v1 机器学习
机器学习
摘要
南印度古典音乐（Carnatic 音乐）最好通过现场音乐会来欣赏。一场 Carnatic 演奏需要细致规划，考虑诸多参数，如演奏者的曲目、作品多样性、音乐多面性、主题结构、演奏的编排等，以确保听众获得全面的聆听体验。在这项工作中，我们提出 ragamAI，一种新颖的机器学习框架，它利用 Carnatic 音乐中的主音细微差别和音乐结构来生成在旋律上涵盖一个八度内全部音域的音乐会演奏曲目。利用播放列表和基于会话的推荐模型的基本思想，所提出的模型研究过往音乐会中存在的数学结构，并为播放列表/音乐会推荐相关条目。ragamAI 集成多个模型给出的推荐，以学习用户在音乐会中的意图和过往序列偏好，从而提取推荐。我们在一个庞大的音乐会集合上的实验表明，我们的模型比基线模型表现好 25%–50%。ragamAI 的应用有两方面。1）它将协助音乐家以维持听众在整个音乐会期间兴趣所需的必要多样性来定制其表演；2）它将生成精心策划的南印度古典音乐列表，使听众能够发现该音乐体系所能提供的广泛旋律。
引用
@article{arxiv.1912.03769,
title = {ragamAI: A Network Based Recommender System to Arrange a Indian Classical Music Concert},
author = {Arunkumar Bagavathi and Siddharth Krishnan and Sanjay Subrahmanyan and S. L. Narasimhan},
journal= {arXiv preprint arXiv:1912.03769},
year = {2019}
}