面向器乐曲的无瑕疵基于内容的播放列表生成

本研究涉及专注于歌曲和器乐曲的基于内容的音乐播放列表生成。自动播放列表生成依赖于协同过滤和自动标注算法。自动标注可以解决冷启动问题和流行度偏差，这些问题在音乐推荐系统中至关重要。然而，自动标注仍有待改进，且无法生成令人满意的音乐播放列表。在本文中，我们提出了相较于现有技术改进自动标注生成播放列表的方法。为了评估我们的方法，我们重点关注Song和Instrumental标签。与流派或情绪等主观且多模态的标签相比，Song和Instrumental是两个客观且对立的标签，且研究较少。在本文中，我们考虑了一个工业级真实音乐数据库，该数据库在Songs和Instrumentals之间分布不均，且规模大于以往研究中使用的数据库。我们设置了三个递进实验以增强自动播放列表生成。我们提出的方法生成的Instrumental播放列表中的假阳性比前沿方法少达三倍。此外，我们提供了一个实验设计框架，以促进对Songs和Instrumentals的研究。我们深入探讨了如何进一步提高生成播放列表的质量，以及如何将我们的方法扩展到其他音乐标签。此外，我们提供了源代码以保证研究的可重复性。