利用对比预训练神经音频嵌入改进推荐任务
声音
2024-09-16 v1 人工智能
音频与语音处理
摘要
音乐推荐系统通常利用基于网络的模型来捕捉音乐作品、艺术家和用户之间的关系。尽管这些关系为预测提供了有价值的见解，但新音乐作品或艺术家常因初始信息不足而面临冷启动问题。为解决此问题，一种方法是直接从音乐中提取基于内容的特征，以增强基于协同过滤的方法。以往的方法依赖于手工设计的音频特征，而我们则探索使用对比预训练的神经音频嵌入模型，这些模型能够提供更丰富、更细致的音乐表征。我们的实验表明，神经嵌入，特别是由对比语言-音频预训练（CLAP）模型生成的嵌入，为在基于图的框架中增强音乐推荐任务提供了一种有前景的方法。
关键词
引用
@article{arxiv.2409.09026,
title = {Towards Leveraging Contrastively Pretrained Neural Audio Embeddings for Recommender Tasks},
author = {Florian Grötschla and Luca Strässle and Luca A. Lanzendörfer and Roger Wattenhofer},
journal= {arXiv preprint arXiv:2409.09026},
year = {2024}
}
备注
Accepted at the 2nd Music Recommender Workshop (@RecSys)