Music Recommendation based on Dynamic User Interests

此篇論文中，我們提出了一種在線上音樂播放中使用的動態權重機 制。基於隱性因子模型之假設，使用者、歌曲、歌手皆是由一組隱性 空間中的向量表示。給定一使用者以及他的近期播放紀錄，即可判斷 他目前的興趣是傾向近期偏好或是長期偏好。同其他隱性因子模型， 此機制可在不使用內容資料的情形下訓練。這在使用網路播放紀錄當 做資料庫時是一個利基，因內容資料相對較難取得。在數個 last.fm 資 料集上的實驗結果顯示此方法確實有效。 關鍵字：音樂推薦，動態興趣，隱性因子向量模型，機器學習，梯度 上升In this paper, we propose a dynamic weight tuning scheme for online mu- sic recommendation. Based on a latent factor model, songs, artists, and users are mapped into a latent space. Then, given each user’s recent songs we can determine his current interest for music, which either similar to his past be- havior or more like recent ones. Like latent factor based models, this scheme can be trained without content information, which is a benefit when adopting internet radios as data source. Experimental results on the last.fm collections show that our proposed method is effective. Keywords: Music Recommendation, Dynamic Interests, Latent Factor Model, Machine Learning, Gradient Ascent誌謝 i 摘要 ii Abstract iii 1 Introduction 1 2 Related Work 3 3 Proposed method 5 3.1 Latent Factor Vector Model . . . . . . . . . . . . . . . . . . . . . . . . . 5 3.2 Learning Latent Factor Vectors . . . . . . . . . . . . . . . . . . . . . . . 6 3.3 Dynamic Weighting . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 3.4 Features . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 3.5 Heuristic Filtering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 3.6 Learning Weight Vectors . . . . . . . . . . . . . . . . . . . . . . . . . . 11 3.7 Postprocessing with SVM . . . . . . . . . . . . . . . . . . . . . . . . . . 11 4 Experiments 12 4.1 Experiment Settings . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 4.2 Evaluation Metric . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12 4.3 Datasets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 4.4 Results . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 4.5 Feature Analysis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 5 Conclusions and Future Work 18 5.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 5.2 Future Work . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 Bibliography 1