[論文レビュー] Online Music Listening Culture of Kids and Adolescents: Listening Analysis and Music Recommendation Tailored to the Young

Markus Schedl, Christine Bauer|arXiv (Cornell University)|Dec 24, 2019

Music and Audio Processing被引用数 5

ひとこと要約

本研究では、Last.fmのLFM-1bデータセットを用いて、6–18歳の子どもおよび思春期の若者における音楽ジャンルの好みと協調フィルタリングのパフォーマンスを分析している。年齢層6–18歳に特化した推薦が予測精度（RMSE 5.178–7.469）を著しく向上させ、全人口および成人ユーザーを上回る性能を示しており、特に6–12歳および17–18歳の年齢層で最高のパフォーマンスを記録した。

ABSTRACT

In this paper, we analyze a large dataset of user-generated music listening events from Last.fm, focusing on users aged 6 to 18 years. Our contribution is two-fold. First, we study the music genre preferences of this young user group and analyze these preferences for homogeneity within more fine-grained age groups and with respect to gender and countries. Second, we investigate the performance of a collaborative filtering recommender when tailoring music recommendations to different age groups. We find that doing so improves performance for all user groups up to 18 years, but decreases performance for adult users aged 19 years and older.

研究の動機と目的

• 6–18歳の子どもおよび思春期の若者における音楽ジャンルの好みを調査し、年齢、性別、国ごとの同調性を分析すること。
• 一般の推薦と比較して、特定の年齢層に合わせた協調フィルタリングの推薦が予測精度を向上させるかどうかを評価すること。
• 音楽推薦システムにおける若年層（≤18歳）と成人層（≥19歳）のパフォーマンス差を評価すること。
• 細分化された年齢層およびデモグラフィックサブグループにおける音楽嗜好の同調性と多様性のパターンを特定すること。
• 若年層向けの音楽レコメンデーションシステムにおいて、年齢に配慮したパーソナライゼーションの重要性を裏付ける証拠を提供すること。

提案手法

• 120,175人のLast.fmユーザーからなる10億件を超えるリスニングイベントを含むLFM-1bデータセットを用いる。そのうち6–18歳のユーザーは5,953名。
• アーティストタグと再生回数に基づいて、ユーザーの音楽好みをジャンルプロファイルとしてモデル化し、割合ベースのジャンル分布に正規化する。
• グループレベルのジャンル好みを、個々のユーザーのジャンルプロファイルの算術平均として算出する。
• 評価者間合意度を測定するため、Krippendorff’s alpha係数を用いてユーザー群内の好みの同調性を測定する。
• モデルベースの協調フィルタリングを用いて好みの予測を行い、年齢層別サブセットにおいてRMSEおよびMAEでパフォーマンスを評価する。
• ユーザーを年齢層（6–12歳、13–14歳、15–16歳、17–18歳）に分割し、全人口および成人ユーザー（19–60歳）と比較して推薦パフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 6–18歳の子どもおよび思春期の若者において、細分化された年齢層、性別、国ごとに音楽ジャンルの好みはどのように変化するか？
• RQ2 若年層の年齢層内での音楽好みの同調性はどの程度で、デモグラフィック要因によってどのように変化するか？
• RQ3 6–18歳の年齢層に合わせた協調フィルタリングの推薦が、一般の推薦と比較して予測精度を向上させるか？
• RQ4 協調フィルタリングシステムにおいて、若年層（≤18歳）の推薦パフォーマンスは成人層（≥19歳）と比べてどのように異なるか？
• RQ5 年齢層別パーソナライゼーションが、音楽推薦タスクにおけるRMSEおよびMAEに及ぼす影響は何か？

主な発見

• 若年層（6–18歳）の全体的な推薦パフォーマンスは、全人口（RMSE 29.105）よりも著しく優れており、若年層のRMSEは7.766であった。
• 最も若いグループ（6–12歳）は、RMSE 5.178、MAE 1.555を達成し、非常に効果的な推薦が行われていることを示している。
• 17–18歳のグループも高いパフォーマンスを示し、RMSE 7.469を記録しており、思春期後期におけるペアベースの聴取パターンが強いことを示唆している。
• 成人ユーザー（19–60歳）では予測精度が低下し、RMSEが77.548にまで上昇しており、年齢に特化したカスタマイズが成人にはあまり効果的でないことが示された。
• 15–16歳のグループは中程度のパフォーマンス（RMSE 9.513）を示し、13–14歳のグループは若年層の中で最も高い誤差（RMSE 10.395）を示した。
• Krippendorff’s alphaを用いた好みの同調性は、国や年齢層によって変動し、高い値はサブグループ内でのジャンル好みの一貫性が高いことを示している。