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

我们提出了一种新的平台 AI Research Navigator，该平台结合了传统的关键词搜索和神经检索，可发现和组织相关文献，同时还可以提供多级文本粒度的搜索，从句子到跨文档的聚合，包括自然语言和领域特定的知识图导航。

Oct, 2020

通过集成多种音乐相关工具和一个自动化工作流，MusicAgent 系统旨在解放用户，使他们能够专注于创造性工作，从而提供无缝且丰富的音乐体验。

Oct, 2023

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。

May, 2022

本研究探讨人工智能技术在音乐制作中的应用现状，通过问卷、半结构化访谈及网络论坛的分析，确认了三种使用者群体分别为业余用户、半职业用户和专业用户，发现业余用户可通过人工智能混音工具简化音乐制作过程并获得不错的效果，而半职业用户和专业用户则更追求精准控制和定制化选项，并且对辅助和协作技术有追求，最后提供了为不同使用者群体设计有效人工智能混音工具的策略和未来发展方向。

Apr, 2023

本文介绍了设计搜索代理的成功步骤，通过机器学习元策略来迭代查询精细化。文章提出了一种新颖的方法，使用机器阅读辅助挑选查询结果的精炼术语，使代理能够通过简单而有效的搜索操作对查询和搜索结果进行细粒度和透明的控制。通过自主学习，利用基于 Transformer 的语言模型来生成综合搜索会话，并介绍了一种强化学习代理，其具有动态限制的动作，可以从零开始学习交互式搜索策略。我们的搜索代理只使用传统的基于词项的 BM25 排名函数和可解释的离散筛选和筛选操作，即可达到与最新的神经方法相当的检索和答案质量性能。

Sep, 2021

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

本文提出一种基于神经网络的下一首歌曲推荐系统 CNN-rec，并与其他神经网络和传统推荐系统在下一首歌曲推荐任务上进行比较，验证结果表明该系统优于传统系统并具有与最先进系统相当的性能表现。

Jun, 2016

人工智能技术（如深度学习）正在迅速发展，对我们的日常生活带来了许多变化。为了探索人工智能在音乐和声音技术领域的未来影响和潜力，伦敦玛丽女王大学（英国）和法国音乐和声音科学技术学会举办了一次博士生研讨会。本报告总结了关于数据、影响与环境、负责任的创新和创造性实践、创造力与偏见以及从工具到奇点的学生辩论。这些学生代表着未来一代的人工智能和音乐研究者，而学术界代表着现存的权威。本次学生辩论捕捉到了针对人工智能和音乐未来的愿景、梦想、关切、不确定性和争议问题，以此挑战现存权威的下一代。

Sep, 2023

本论文介绍了一种名为 LyricJam Sonic 的创新型音乐创作工具，采用双模式人工智能驱动方法，具可自主或现场演出的功能，能够帮助电子音乐家重新发掘他们以前的录音，并在实时中创作新的音乐作品。

Oct, 2022