May, 2022

心理学启发的音乐推荐系统

PDF
TL;DR研究如何整合用户个性和情感状态以建立一个能关注音乐的心理和情感因素的自动化推荐系统，从而改善音乐推荐的质量。
automated recommendation systemspersonalized music suggestionspsychological and emotional aspectscollaborative and content-based filteringemotion-aware mrs
发现论文，激发创造
  • 情感感知音乐推荐系统：通过实时情感背景增强用户体验

    本研究通过将情感融入歌曲推荐过程中，引入了一种人工智能模型，能够准确检测用户的实时情感，并生成符合用户情感状态的个性化歌曲推荐，从而提升用户体验，创造更具共鸣和意义的听歌体验。

    Nov, 2023

  • 音乐推荐系统中的可解释性

    本文讨论了如何在音乐推荐系统中实现可解释性，以改善用户体验，包括讨论 XAI 的各种维度和目标，以及解释组件如何集成于 MRS，并讨论解释质量的要求和策略，最终提供研究展望。

    Jan, 2022

  • 相关节奏：发现你可能喜欢的音乐的推荐系统

    通过使用机器学习模型及百万曲目数据集，本文提出了一个音乐推荐系统，旨在优化为用户推荐喜欢的歌曲。

    Sep, 2023

  • 探索音乐推荐中的艺术家性别偏见

    本文研究了音乐推荐系统的性别偏见现象并分析了其来源和影响，并使用偏差不平等指标在两个听音事件数据集上对整个现象进行了评估和研究。

    Sep, 2020

  • 音乐推荐系统研究的当前挑战和愿景

    对音乐推荐系统领域进行概述，指出当前主要挑战，回顾解决这些挑战的现有方法，讨论其局限性，并提出未来的方向和愿景。

    Oct, 2017

  • 基于异构感知深度贝叶斯网络的个性化音乐推荐

    音乐推荐系统关注了用户的情感异质性，提出了四种异质性，并构建了 Heterogeneity-aware Deep Bayesian Network（HDBN）模型，使用大规模数据集 EmoMusicLJ 进行验证实验，与基线方法相比取得了显著的效果提升。

    Jun, 2024

  • 音乐流媒体应用用户冷启动推荐的半个性化系统

    该论文介绍了 Deezer 音乐流媒体服务中针对用户冷启动问题的半个性化推荐系统，该系统应用深度神经网络架构和用户聚类技术，通过离线和在线实验证明了该系统有效性，并发布了代码和匿名使用数据，以帮助未来的用户冷启动推荐研究。

    Jun, 2021

  • 基于情感、年龄和种族的音乐推荐系统

    使用 FER-2013 和 “年龄、性别和种族（面部数据）CSV” 数据集，基于情感、年龄和种族开发了一种音乐推荐系统，并使用 CNN 架构对模型进行了训练，训练了 3 个不同的模型，用于为用户推荐具有功能性和用户友好的音乐播放列表。

    Dec, 2022

  • 基于人工智能的情感音乐生成系统：方法及挑战综述

    本文综述了基于人工智能的情感音乐生成（AI-AMG）系统，包括其基本构成、核心算法、音乐特征及未来方向等。

    Jan, 2023

  • 交互式个性化音乐推荐中的探索：一种强化学习方法

    本文提出了一种基于强化学习和贝叶斯模型的音乐推荐和播放列表生成方法，探讨了探索和利用用户偏好的平衡，并表明这种新方法具有很强的潜力。

    Nov, 2013