音乐播放列表的表示、探索与推荐
信息检索
2020-07-28 v1 计算与语言
机器学习
摘要
由于Spotify、Pandora、Apple Music等基于数字云的服务，播放列表已成为我们聆听体验的重要部分。鉴于播放列表使用的飞速增长，推荐播放列表对当今音乐服务至关重要。尽管播放列表预测方面已有大量工作，播放列表表示领域尚未获得同等关注。过去几年中，序列到序列模型，尤其在自然语言处理领域，已显示出学习嵌入在捕捉序列语义特征上的有效性。我们可将类似概念应用于音乐，以学习播放列表的固定长度表示，并将这些表示用于播放列表发现、浏览和推荐等下游任务。本工作中，我们以无监督方式使用序列到序列（Seq2seq）模型表述学习固定长度播放列表表示的问题，将播放列表解释为句子、歌曲解释为词。我们与另外两种编码架构进行基线比较。我们使用常用于评估句子嵌入的任务套件，以及若干音乐相关附加任务和一项推荐任务来评估我们的工作，以研究播放列表嵌入所捕获的特征及其在音乐推荐上的有效性。
引用
@article{arxiv.1907.01098,
title = {Representation, Exploration and Recommendation of Music Playlists},
author = {Piyush Papreja and Hemanth Venkateswara and Sethuraman Panchanathan},
journal= {arXiv preprint arXiv:1907.01098},
year = {2020}
}