Elsa's WebWi Blog

On Effective Personalized Music Retrieval by Exploring Online User Behaviors

Diese Studie präsentierte ein textbasiertes Musikabrufsystem, welches die Songauswahl des Nutzers ausnutzt für die Verbesserung von Social-Music-Services. Das System kann durch die Eingaben des Nutzers sehr präzise einschätzen, wie gut dem Nutzer ein Song gefallen wird.

Um diese Genauigkeit zu erreichen wurde ein Dual-Layer Musik-Präferenz-Themen Modell entwickelt, welches das Hörverhalten der Nutzer einstuft und Social-Tags hinzufügt um die angewandten Interaktionen (Nutzer, Song, Songname) für die persönliche textbasierte, personalisierte Musiksuche zu optimieren.

Für die Auswertung der Performance des personalisierten Musikauswahlsystems wurden Experimente mit zwei öffentlichen Datensätzen durchgeführt.  Der Vergleich mit den zwei aktuellen Musikabrufmethoden und der existierenden, personalisierten Musikabfragemethoden zeigten, dass die Methode der vorliegenden Studie signifikante Verbesserung in der Suchperformance in Bezug auf die Genauigkeit aufwies.

In dieser Studie wurde klar, dass bei der Entwicklung von High-Performance Musiksuchmaschinen die Musikinteressen der Nutzer und die Verifizierung der Effektivität des vorgeschlagenen Abrufmodels von hoher Bedeutung sind.

Quelle: Vgl. Cheng, Zhiyong / Shen, Jialie / Hoi,Steven C.H.: On Effective Personalized Music Retrieval by Exploring Online User Behaviors, Proceedings of the 39th International ACM SIGIR conference on Research and Development in Information Retrieval, 2016.