投稿日: その他 論文紹介

A music recommendation system based on annotations about listeners’ preferences and situations

Kaji, K.
Hirata, K.
Nagao, K.
In Proc. of AXMEDIS 2005
http://ieeexplore.ieee.org/xpl/login.jsp?tp=&arnumber=1592092&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D1592092

概要

プレイリストを推薦することを目的としている.音楽を聞くシチュエーションを考慮した推薦を行っていることを売りにしている.

手法

1つの音楽を,3種類の特徴ベクトルで表す.
1つ目の特徴量は歌詞.形態素解析をしてベクトル作成.
2つ目の特徴量は歌詞のシーン.ゲレンデを舞台にした曲である,といったもの.これはユーザによって付与されたものを利用.
3つ目の特徴量は音楽を聞くシチュエーション.海で聞くのに適した曲である,といったもの.これもユーザによって付与されたものを利用.

ある2つの音楽の類似度は,上記3つの各特徴量のコサイン類似度の線形和により求める.

実際にあるユーザに対してプレイリストを推薦する流れは以下の通り.
まず,そのユーザがお気に入りに登録している音楽の集合から,歌詞および歌詞のシーンの特徴ベクトルを生成する.シチュエーションはその時々に応じてユーザが指定し,それをもとに特徴ベクトルを生成.こうして,そのユーザを表す特徴ベクトルが生成される.つまり,ユーザと音楽はまったく同じ特徴空間にマッピングされる.
次に,他のユーザと,各ユーザがもっているプレイリストを含むDBを用いて,最も類似度の高いユーザのプレイリストを抽出して対象ユーザに提示する.
続いて,プレイリストを提示されたユーザは,その中で気に入らないものをチェックする.するとシステムは3つの各特徴量について適合フィードバックを行い,代わりの音楽を発見する.


-その他, 論文紹介
-,

関連記事

Spatio-temporal Dynamics of Online Memes: A Study of Geo-tagged Tweets

Kamath, Krishna Y. Caverlee, James Lee, Kyumin Cheng, Zhiyuan In Proc. of WWW 2013 http://dl.acm.org …

【論文紹介】Will This Paper Increase Your h-index?: Scientific Impact Prediction

Dong, Yuxiao and Johnson, Reid A. and Chawla, Nitesh V. WSDM 2015 ACM, PDF 概要 2007年に発表された論文dは、論文dの中で …

Efficient multiple-click models in web search

Guo, Fan Liu, Chao Wang, Yi Min In Proc. of WSDM2009 概要 クリックモデルに関するこれまでの研究では、ユーザはクエリを入力して1度検索結果をクリック …

From x-rays to silly putty via Uranus: serendipity and its role in web search

Paul André Jaime Teevan Susan T. Dumais In Proc. of CHI 2009 http://dl.acm.org/citation.cfm?id=15187 …

Learning from the Past: Answering New Questions with Past Answers

A. Shtok, G. Dror, Y. Maarek, and I. Szpektor In Proc. of WWW 2012 http://dl.acm.org/citation.cfm?id …