論文メモ
Contextual Personalized Re-Ranking of Music Recommendations through Audio Features
概要
- spotify, pandrora など音楽のレコメンドに関する論文
- 文脈情報を利用した推薦システム
- 文脈的プレフィルタリング
- 文脈的ポストフィルタリング
- 文脈的モデリング
- Youtubeと同じく、二段階でランキングを生成
- Context-Aware Matrix Factorization - Independent Context Similarity (CAMF_ICS)
- オーディオ特徴量とコンテキスト情報の類似度からre-ranking
- コンテキスト情報を用いて作成されたレコメンデーションも再ランク付けする理由は、オーディオ特徴に基づくコンテキスト再ランク付けの影響を評価するため
- 活動(走る、歩く、寝る、集中する)、時間帯(朝、昼、夜、夜)、および気分という次元
- これらの次元がユーザーの嗜好に影響を与えることが先行研究で明らかになっている
- 使用された各プレイリストには、少なくとも1000人のフォロワー
- 複数のユーザーがプレイリストの品質に同意している
- 各楽曲について、Spotify APIを通じて音声特徴量を抽出
- これらの音声特徴量の値を条件ごとに平均化し、可視化
- 優位性についてはt検定を実施
Related Articles