[논문 리뷰] Local Music Event Recommendation with Long Tail Artists

Douglas Turnbull, Luke Waldner|arXiv (Cornell University)|2018. 09. 07.

Music and Audio Processing참고 문헌 15인용 수 3

한 줄 요약

이 논문은 장기적이고 낮은 디지털 발자국을 가진 현지 예술가들을 위한 효과적인 추천을 가능하게 하기 위해 잠재의미분석(Latent Semantic Analysis, LSA)을 활용한 지역 음악 행사 추천 시스템을 제안한다. 이는 예술가와 태그 간 유사성을 모델링하며, 지역 예술가의 발견을 향상시킨다. 음악 행사 그래프를 도입하여, 최소한의 디지털 발자국 데이터로도 정확한 추천이 가능함을 입증한다. 전문가 사용자 대상으로는 최대 AUC 0.79의 성능을 기록한 바, 초기/후기 융합 전략이 효과적임을 보였다.

ABSTRACT

In this paper, we explore the task of local music event recommendation. Many local artists tend to be obscure long-tail artists with a small digital footprint. That is, it can be hard to find social tag and artist similarity information for many of the artists who are playing shows in the local music community. To address this problem, we explore using Latent Semantic Analysis (LSA) to embed artists and tags into a latent feature space and examine how well artists with small digital footprints are represented in this space. We find that only a relatively small digital footprint is needed to effectively model artist similarity. We also introduce the concept of a Music Event Graph as a data structure that makes it easy and efficient to recommend events based on user-selected genre tags and popular artists. Finally, we conduct a small user study to explore the feasibility of our proposed system for event recommendation.

연구 동기 및 목표

• 디지털 발자국이 극히 적은, 알려지지 않은 장기적 예술가들을 중심으로 한 지역 음악 행사 추천의 과제를 해결하기 위해.
• 콘텐츠 기반 태그와 협업 필터링을 예술가 유사성 기반으로 융합한 확장 가능한 하이브리드 추천 시스템을 개발하기 위해.
• 인기 중심의 편향을 줄여, 인기 있는 예술가뿐 아니라 알려지지 않은 현지 예술가들도 공정하게 표현되도록 하기 위해.
• 현지 음악 전문가 대상 사용자 연구를 통해 시스템의 타당성을 평가하고, AUC 메트릭을 사용해 성능을 평가하기 위해.
• 기존의 콘텐츠 기반 방법이 실패하는 희박한 실세계 음악 행사 데이터에 대해 잠재의미분석을 활용할 수 있는지 탐색하기 위해.

제안 방법

• 효율적 검색을 위해 장르 태그, 유명 예술가, 행사 예술가, 행사 간의 관계를 연결한 4부리 음악 행사 그래프를 구축하기 위해.
• 예술가 및 태그 데이터를 공통의 저차원 잠재 기능 공간에 임bedding하기 위해 잠재의미분석(LSA)을 적용하기 위해.
• 행사 목록에서 예술가와 태그 간의 희박한 동시출현 행렬로부터 LSA 임베딩을 계산하기 위해 절삭된 SVD를 사용하기 위해.
• 초기 융합 및 후기 융합 전략을 구현하기 위해: 사용자 선호도 벡터를 평균 내거나 클러스터링하거나 교차 배치하여 개인화된 예술가 순위를 생성하기 위해.
• 사용자 선호도에 대해 k-means 클러스터링을 적용하며, k는 선호도 수의 자연로그를 반올림한 값으로 설정하기 위해.
• 코사인 유사도 점수 또는 평균/교차 순위 융합을 사용하여 다중 사용자 선호 신호를 통합해 행사 예술가를 순위 매기기 위해.

실험 결과

연구 질문

• RQ1 예술가가 디지털 발자국이 극히 적은 상황에서도 LSA가 예술가 유사성과 태그 관계를 효과적으로 모델링할 수 있는가?
• RQ2 장르 태그에 의존할 때와 예술가 선호도만을 사용할 때 추천 시스템의 성능은 어떻게 달라지는가?
• RQ3 시스템이 행사 추천에서 인기 중심 편향을 어느 정도 줄일 수 있으며, 장기적 예술가들의 가시성을 확보할 수 있는가?
• RQ4 다양한 융합 전략(초기 대 후기, 평균 대 교차)이 지역 음악 행사 탐색의 추천 정확도에 어떤 영향을 미치는가?
• RQ5 현지 음악 전문가를 대상으로 한 사용자 연구가 지역 행사 추천 시스템 평가를 위한 신뢰할 수 있는 기준이 될 수 있는가?

주요 결과

• 사용자 선호도가 예술가 중심일 경우 'none / avg. cosine' 융합 전략을 사용했을 때 AUC가 0.79(±0.09)에 도달하여 높은 추천 정확도를 보였다.
• 장르 선호도만 사용했을 경우 AUC는 0.69(±0.16)였으며, 태그 기반 추천는 예술가 기반 추천보다 정확도가 낮지만 여전히 의미 있는 성능을 보였다.
• 예술가와 장르 선호도를 모두 조합했을 때 가장 우수한 성능을 보인 전략('none / avg. cosine')은 AUC 0.74(±0.12)를 기록하여 하이브리드 신호의 가치를 입증했다.
• 클러스터링/교차 전략은 조합된 선호도에서 AUC 0.75(±0.09)를 기록하여 사용자 선호도를 클러스터링하는 것이 높은 성능을 유지하는 데 기여함을 보였다.
• 낮은 빈도로 참석하는 사용자(월 1회)는 성능이 유의미하게 떨어졌으며(AUC 0.61 ± 0.15), 지역 음악 생태계에 익숙한 사용자가 평가의 신뢰도에 핵심적임을 시사했다.
• 인기 기반 기준은 단지 AUC 0.53에 머물러, 제안된 시스템이 단순한 인기 기반 순위보다 유의미하게 뛰어나다는 점을 확인했다.