SeER：一种基于MIDI的可解释深度学习混合歌曲推荐系统
信息检索
2019-12-20 v2 机器学习
声音
音频与语音处理
机器学习
摘要
最先进的音乐推荐系统主要依赖于基于矩阵分解的协同过滤方法或深度学习架构。深度学习模型通常使用元数据做基于内容的过滤，或通过从用户行为的时间序列中学习来预测下一次用户交互。尽管深度学习在歌曲推荐方面取得了进展，但尚无研究利用歌曲的序列特性，通过学习基于内容的序列模型来加以利用。除预测准确性之外，其他重要方面也很关键，例如可解释性与冷启动问题的求解。本工作中，我们提出一种称为“SeER”的混合深度学习模型，该模型利用协同过滤（CF）与基于歌曲MIDI内容的深度学习序列模型进行推荐，以提供更准确的个性化推荐、解决物品冷启动问题，并为歌曲推荐生成相关解释。我们的评估实验在排序评价方面相比最先进的基线与混合歌曲推荐系统展现出有前景的结果。此外，基于所提出的离线验证测试，我们表明我们的个性化解释捕捉到了与用户偏好相符的属性。
引用
@article{arxiv.1907.01640,
title = {SeER: An Explainable Deep Learning MIDI-based Hybrid Song Recommender System},
author = {Khalil Damak and Olfa Nasraoui},
journal= {arXiv preprint arXiv:1907.01640},
year = {2019}
}
备注
8 pages, 6 figures; added offline validation of explainability method