會員登錄
科學研究：音樂App的推薦算法，對嘻哈愛好者效果最差？
打賞
推廣
科學研究：音樂App的推薦算法，對嘻哈愛好者效果最差？
圖片來源：pixabay
根據一項發表在《歐洲物理期刊-數據科學》（EPJ Data Science）上的研究，與其他小眾音樂的聽眾相比，諸如硬搖滾（hard rock）和嘻哈（hip-hop）這些高能量音樂的聽眾更難從音樂推薦係統獲得準確的推薦。
一個來自奧地利格拉茨技術大學（Graz University of Technology）、林茨大學（Johannes Kepler University Linz）、因斯布魯克大學（University of Innsbruck）和荷蘭烏得勒支大學（University of Utrecht）的研究團隊比較了音樂推薦算法Last.fm的4148名主流音樂和各種小眾音樂聽眾（每組2074人）的準確度。根據用戶最常聽的藝術家，作者使用了四種常見的音樂推薦算法來預測他們可能喜歡的音樂，發現主流音樂的聽眾似乎比小眾音樂的聽眾更容易收到準確的推薦。
圖片來源：pixabay
隨後，作者使用了一種算法，根據用戶最常聽的音樂特征，對樣本中的小眾音樂進行了分類，包括：僅原聲樂器音樂，例如民謠；高能量音樂，例如硬搖滾和嘻哈；不含人聲的原聲樂器音樂，如環境音樂；無人聲高能量音樂，例如電子音樂。作者比較了每個組的收聽曆史，確定了哪些用戶喜歡聽自己偏好之外的音樂，以及每個組內所聽音樂的多樣程度。
結果顯示，聽環境音樂最多的用戶也很有可能去聽硬搖滾、民謠和電子音樂。而聽高能量音樂的用戶則很少會聽其他用戶喜愛的音樂，如民謠、電子或環境音樂，但他們所聽的具體類別最為多樣，例如硬搖滾、朋克、唱作人音樂和嘻哈。
作者利用用戶的收聽曆史和計算模型，對於4種常見音樂推薦算法生成的推薦結果，分別預測了不同組的小眾音樂收聽者喜愛這些結果的可能性。他們發現，主要聽高能量音樂的人收到的推薦最不準確，而主要聽環境音樂的人收到的推薦最為準確。
圖片來源：pixabay
文章的通訊作者Elisabeth Lex說：“隨著越來越多的音樂通過音樂流媒體服務得到傳播，音樂推薦係統對於幫助用戶搜索、分類和過濾大量的音樂作品集愈發重要。我們的發現表明，許多先進的音樂推薦技術或許無法為小眾音樂聽眾提供高質量的音樂推薦。這可能是因為音樂推薦算法都更傾向於流行樂，導致了小眾音樂被算法推薦的可能性較低。”
“並且我們的結果還表明，”Elisabeth Lex補充，“與那些聽硬搖滾和嘻哈的人相比，經常聽環境音樂的人所具有的音樂偏好更易於被推薦算法預測，這使得他們能夠得到更好的音樂推薦。”
作者指出，他們的發現為音樂推薦係統的開發提供了有效信息，以便為小眾音樂聽眾帶來更準確的推薦。但他們也提醒，由於這些分析是基於來自 Last.fm 的有限用戶數據樣本，他們的發現可能無法代表所有Last.fm用戶，或其他音樂流媒體平台的用戶。
翻譯：武大可
編輯：戚譯引
引進來源：BioMed Central/TechXplor
本文來自：環球科學
關注【深圳科普】微信公眾號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書籍】，了解最新科普書籍
回複【團體定製】，了解最新團體定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習觀鳥相關科普星空体育官网入口网站
回複【博物學院】，了解更多博物學院活動詳情
圖片來源：pixabay
根據一項發表在《歐洲物理期刊-數據科學》（EPJ Data Science）上的研究，與其他小眾音樂的聽眾相比，諸如硬搖滾（hard rock）和嘻哈（hip-hop）這些高能量音樂的聽眾更難從音樂推薦係統獲得準確的推薦。
一個來自奧地利格拉茨技術大學（Graz University of Technology）、林茨大學（Johannes Kepler University Linz）、因斯布魯克大學（University of Innsbruck）和荷蘭烏得勒支大學（University of Utrecht）的研究團隊比較了音樂推薦算法Last.fm的4148名主流音樂和各種小眾音樂聽眾（每組2074人）的準確度。根據用戶最常聽的藝術家，作者使用了四種常見的音樂推薦算法來預測他們可能喜歡的音樂，發現主流音樂的聽眾似乎比小眾音樂的聽眾更容易收到準確的推薦。
圖片來源：pixabay
隨後，作者使用了一種算法，根據用戶最常聽的音樂特征，對樣本中的小眾音樂進行了分類，包括：僅原聲樂器音樂，例如民謠；高能量音樂，例如硬搖滾和嘻哈；不含人聲的原聲樂器音樂，如環境音樂；無人聲高能量音樂，例如電子音樂。作者比較了每個組的收聽曆史，確定了哪些用戶喜歡聽自己偏好之外的音樂，以及每個組內所聽音樂的多樣程度。
結果顯示，聽環境音樂最多的用戶也很有可能去聽硬搖滾、民謠和電子音樂。而聽高能量音樂的用戶則很少會聽其他用戶喜愛的音樂，如民謠、電子或環境音樂，但他們所聽的具體類別最為多樣，例如硬搖滾、朋克、唱作人音樂和嘻哈。
作者利用用戶的收聽曆史和計算模型，對於4種常見音樂推薦算法生成的推薦結果，分別預測了不同組的小眾音樂收聽者喜愛這些結果的可能性。他們發現，主要聽高能量音樂的人收到的推薦最不準確，而主要聽環境音樂的人收到的推薦最為準確。
圖片來源：pixabay
文章的通訊作者Elisabeth Lex說：“隨著越來越多的音樂通過音樂流媒體服務得到傳播，音樂推薦係統對於幫助用戶搜索、分類和過濾大量的音樂作品集愈發重要。我們的發現表明，許多先進的音樂推薦技術或許無法為小眾音樂聽眾提供高質量的音樂推薦。這可能是因為音樂推薦算法都更傾向於流行樂，導致了小眾音樂被算法推薦的可能性較低。”
“並且我們的結果還表明，”Elisabeth Lex補充，“與那些聽硬搖滾和嘻哈的人相比，經常聽環境音樂的人所具有的音樂偏好更易於被推薦算法預測，這使得他們能夠得到更好的音樂推薦。”
作者指出，他們的發現為音樂推薦係統的開發提供了有效信息，以便為小眾音樂聽眾帶來更準確的推薦。但他們也提醒，由於這些分析是基於來自 Last.fm 的有限用戶數據樣本，他們的發現可能無法代表所有Last.fm用戶，或其他音樂流媒體平台的用戶。
翻譯：武大可
編輯：戚譯引
引進來源：BioMed Central/TechXplor
本文來自：環球科學
關注【深圳科普】微信公眾號，在對話框：
回複【最新活動】，了解近期科普活動
回複【科普行】，了解最新深圳科普行活動
回複【研學營】，了解最新科普研學營
回複【科普課堂】，了解最新科普課堂
回複【科普書籍】，了解最新科普書籍
回複【團體定製】，了解最新團體定製活動
回複【科普基地】，了解深圳科普基地詳情
回複【觀鳥星空体育官网入口网站】，學習觀鳥相關科普星空体育官网入口网站
回複【博物學院】，了解更多博物學院活動詳情
聽說，打賞我的人最後都找到了真愛。
深圳市華強北街道 華新地鐵站A1出口24小時科學銀行
深i科普
掃描關注深i科普公眾號
做科普，我們是認真的！
掃描關注深i科普公眾號
加入科普活動群
- 參加最新科普活動
- 認識科普小朋友
- 成為科學小記者
