利用標籤資訊之周邊資訊基準音樂播放清單延續

Abstract

播放清單延續對於音樂推薦而言是不可或缺的，其目標為利用歌曲資訊及歌曲與播放清單間的關係，將適合的歌曲加入播放清單內。然而，由於冷啟動歌曲的資訊稀缺性，當候選歌曲或播放清單內的既存歌曲為冷啟動歌曲時，既有的推薦系統多半表現不佳。在這篇論文中，我們利用了結合協同過濾（collaborative filtering）及內容過濾（content-based filtering）的混合模型，以回歸的方式來處理冷啟動問題。具體而言，我們將播放清單中各首歌曲的標籤視為一張二維圖片，並以周邊特徵向量利用潛藏於標籤之中的資訊，以進行總體推薦（ensemble recommendations）。為了確保順暢的聆聽體驗及增進系統表現，我們保留了原本歌曲在播放清單中的排序。我們使用了編輯者及使用者創作的播放清單來衡量此模型的性能，實驗結果顯示，該模型在含有冷啟動的資料集中以命中率作為衡量指標時，表現勝過了其他競爭模型。