Advertisements
Advertisements
Tech

Das neue Musikempfehlungssystem enthält Long-Tail-Songs

Bildnachweis: Pixabay/CC0 Public Domain

Musikempfehlungssysteme bieten Benutzern üblicherweise Lieder an, die andere in den Genres genossen haben, die der Benutzer anfordert. Dies kann dazu führen, dass beliebte Songs immer beliebter werden. Es vernachlässigt jedoch die weniger bekannten Songs, die Long-Tail-Songs, die den Benutzern zwar genauso gefallen, aber aufgrund der Funktionsweise der Empfehlungsalgorithmen weniger Chancen haben, gehört zu werden.

Neues Werk im Internationale Zeitschrift für Computational Systems Engineering, bietet einen Ansatz für ein Musikempfehlungssystem, das das Populäre zugunsten des Long-Tail vernachlässigt und so die Benutzer für neue Musik öffnen könnte. M. Sunitha und T. Adilakshmi Vasavi vom College of Engineering in Hyderabad, Indien, haben eine mehrstufige graphenbasierte Methode und eine KNN-basierte Methode (K-nächste Nachbarn) entwickelt, um Long-Tail-Songs zu identifizieren und diese neu zu füttern funktioniert für die Benutzer des Systems.

Musikempfehlungssysteme wurden entwickelt, um es Hörern zu ermöglichen, Inhalte aus riesigen digitalen Bibliotheken anzubieten, die ihrem Geschmack und ihren Vorlieben ohne menschliches Eingreifen entsprechen könnten. Einfachere Systeme basieren auf der vorherigen Klassifizierung von Liedern nach Künstler, Genre und Stil und präsentieren dem Zuhörer einfach scheinbar verwandte Musik. Andere, anspruchsvollere Systeme haben subtilere Klassifizierungen und reagieren auf die Vorlieben und Abneigungen anderer Benutzer sowie des gegenwärtigen Benutzers, um neues Material zu finden, das dem Benutzer gefallen könnte; kollaborative Filterung. Es gibt auch andere Mechanismen, und fast alle von ihnen leiden unter Voreingenommenheit, die die Einführung eines wenig bekannten Lieds für den Benutzer verhindern könnte.

Ein Empfehlungssystem, das Musik im Long-Tail finden kann, auf die ein Hörer, der nach Neuheiten sucht, sonst möglicherweise nicht stoßen würde, wäre ein Segen für die Benutzer, die von den gleichen alten populären Künstlern und Liedern gelangweilt sind, die endlos über Radio, Fernsehen, Kino und andere gehört werden können online. Der Long-Tail-Ansatz ahmt in gewisser Weise den Entdeckungsprozess nach, wenn man einem esoterischen DJ auf einem obskuren Radiosender zuhört und seinen neuen Ohrwurm hört oder seinen neuen Lieblingskünstler findet. Der Vorteil ist, dass man weder diesen esoterischen und obskuren DJ aufsuchen muss, noch durch die Länge seiner Show begrenzt sein muss, es wird fast unbegrenzt neue, langschwänzige Songs und Künstler zu hören sein.


Die Schaltfläche „Gefällt mir nicht“ würde die Empfehlungen von Spotify verbessern


Mehr Informationen:
M. Sunitha et al, Adressierung des Long-Tail-Problems in Musikempfehlungssystemen, Internationale Zeitschrift für Computersystemtechnik (2022). DOI: 10.1504/IJCSYSE.2021.121367

Zitat: Neues Musikempfehlungssystem enthält Long-Tail-Songs (2022, 14. März), abgerufen am 14. März 2022 von https://techxplore.com/news/2022-03-music-long-tail-songs.html

Dieses Dokument ist urheberrechtlich geschützt. Abgesehen von einem fairen Handel zum Zwecke des privaten Studiums oder der Forschung darf kein Teil ohne schriftliche Genehmigung reproduziert werden. Der Inhalt dient nur zu Informationszwecken.


💙 Intern: Weil wir unabhängig sind, sowie keinen "unendlichen" Gewinn anstreben, geben wir in jedem Monat ungefähr ein drittel, aller Einnahmen aus Werbung und Spenden an die Katastrophenschutzhilfe. 
Wir freuen uns auch über jede kleine Spende z.B. über PayPal.

Ähnliche Artikel.

Der New York City Recovery Index: 9. Mai

Anmerkung des Herausgebers: Nachfolgend finden Sie die Veröffentlichung des NYC Recovery Index für Woche 88, der ursprünglich am 10. Mai 2022 veröffentlicht wurde. Besuchen Sie die Homepage des NYC…

1 of 670