[논문 리뷰] Online Music Listening Culture of Kids and Adolescents: Listening Analysis and Music Recommendation Tailored to the Young

Markus Schedl, Christine Bauer|arXiv (Cornell University)|2019. 12. 24.

Music and Audio Processing인용 수 5

한 줄 요약

이 연구는 Last.fm의 LFM-1b 데이터셋을 활용하여 6–18세 어린이 및 청소년의 음악 장르 선호도와 공동 필터링 성능을 분석한다. 연령대에 맞춘 추천이 6–18세 연령대에서 예측 정확도를 크게 향상시킴을 발견하였으며, RMSE는 5.178–7.469 수준을 기록하여 전체 사용자 및 성인 사용자보다 뛰어난 성능을 보였다. 특히 6–12세 및 17–18세 연령대에서 가장 높은 성능을 기록하였다.

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.

연구 동기 및 목표

• 6–18세 어린이 및 청소년의 음악 장르 선호도를 조사하고, 연령, 성별, 국가별로 그 동질성이 어떻게 변화하는지 분석한다.
• 일반적인 추천과 비교하여 특정 연령대에 맞춘 공동 필터링 추천이 예측 정확도를 향상시키는지 평가한다.
• 음악 추천 시스템에서 청소년 사용자(≤18세)와 성인 사용자(≥19세)의 성능 차이를 평가한다.
• 세분화된 연령대 및 인구 통계적 하위군에서 음악 취향의 동질성과 다양성 패턴을 규명한다.
• 청소년 대상 음악 추천 시스템에서 연령 인식 개인화의 중요성을 입증한다.

제안 방법

• 120,175명의 Last.fm 사용자로부터 수집된 10억 건이 넘는 청취 이벤트를 포함한 LFM-1b 데이터셋을 활용한다. 이 중 5,953명은 6–18세이다.
• 아티스트 태그와 재생 횟수를 기반으로 유저의 음악 선호도를 장르 프로필로 모델링하고, 백분율 기반의 장르 분포로 정규화한다.
• 개인 유저의 장르 프로필 평균을 산술 평균으로 계산하여 집단 수준의 장르 선호도를 산출한다.
• 평가자 간 일致도를 측정하기 위해 Krippendorff’s alpha 계수를 사용하여 유저 집단 내 선호도의 동질성을 측정한다.
• 예측 성능 평가를 위해 모델 기반 공동 필터링을 적용하고, 연령대별 하위집단에서 RMSE 및 MAE를 기준으로 성능을 평가한다.
• 사용자를 연령대(6–12세, 13–14세, 15–16세, 17–18세)로 분할하여 전체 사용자 및 성인 사용자(19–60세)와 추천 성능을 비교한다.

실험 결과

연구 질문

• RQ1 6–18세 어린이 및 청소년의 음악 장르 선호도가 세분화된 연령대, 성별, 국가별로 어떻게 다름을 보이며 변화하는가?
• RQ2 청소년 사용자 연령대 내에서 음악 선호도의 동질성은 어느 정도이며, 인구 통계적 요인에 따라 어떻게 변화하는가?
• RQ3 6–18세 연령대에 맞춘 공동 필터링 추천이 일반적인 추천보다 예측 정확도를 향상시키는가?
• RQ4 공동 필터링 시스템에서 청소년 사용자(≤18세)의 추천 성능은 성인 사용자(≥19세)와 비교해 어떻게 다름을 보이는가?
• RQ5 연령대별 개인화가 음악 추천 과제에서 RMSE 및 MAE에 어떤 영향을 미치는가?

주요 결과

• 청소년 사용자(6–18세)의 총합 추천 성능은 일반 사용자보다 유의미하게 뛰어나며, RMSE는 7.766로 일반 사용자(29.105)보다 훨씬 낮다.
• 가장 어린 연령대(6–12세)는 RMSE 5.178, MAE 1.555를 기록하여 매우 효과적인 추천 성능을 보였다.
• 17–18세 연령대 역시 높은 성능을 기록하여 RMSE 7.469를 기록하였으며, 이는 후기 청소년기의 동료 기반 청취 패턴이 뚜렷하다는 것을 시사한다.
• 성인 사용자(19–60세)의 경우 예측 정확도가 떨어지며, RMSE가 77.548로 나타나 연령 기반 맞춤화가 성인에게는 덜 효과적임을 보여준다.
• 15–16세 연령대는 중간 수준의 성능을 보이며, RMSE 9.513을 기록하였고, 13–14세 연령대는 청소년 그룹 중에서 가장 높은 오차를 보였다(RMSE 10.395).
• Krippendorff’s alpha로 측정한 선호도 동질성은 국가 및 연령대에 따라 변동하며, 높은 값은 하위군 내에서 장르 선호도가 더 일관됨을 의미한다.