[论文解读] Learning content similarity for music recommendation

Brian McFee, Luke Barrington+1 more|arXiv (Cornell University)|May 12, 2011

Music and Audio Processing参考文献 43被引用 5

一句话总结

本文提出一种方法，通过从协同过滤数据中学习优化的相似性度量，提升基于内容的音乐推荐效果，利用度量学习提高对新歌或冷门歌曲的推荐准确率。通过在用户听歌历史数据上进行训练，该方法在基于内容的检索任务中达到最先进性能，显著优于基线方法，同时保持高效。

ABSTRACT

Many tasks in music information retrieval, such as recommendation, and playlist generation for online radio, fall naturally into the query-by-example setting, wherein a user queries the system by providing a song, and the system responds with a list of relevant or similar song recommendations. Such applications ultimately depend on the notion of similarity between items to produce high-quality results. Current state-of-the-art systems employ collaborative filter methods to represent musical items, effectively comparing items in terms of their constituent users. While collaborative filter techniques perform well when historical data is available for each item, their reliance on historical data impedes performance on novel or unpopular items. To combat this problem, practitioners rely on content-based similarity, which naturally extends to novel items, but is typically out-performed by collaborative filter methods. In this article, we propose a method for optimizing contentbased similarity by learning from a sample of collaborative filter data. The optimized content-based similarity metric can then be applied to answer queries on novel and unpopular items, while still maintaining high recommendation accuracy. The proposed system yields accurate and efficient representations of audio content, and experimental results show significant improvements in accuracy over competing content-based recommendation techniques.

研究动机与目标

• 解决音乐推荐中的冷启动问题，即新歌或冷门歌曲缺乏足够用户评分，难以进行协同过滤。
• 通过从协同过滤数据样本中学习，改进基于内容的相似性度量，而非依赖于临时设计的特征。
• 开发一种相似性度量，能在保持对新项目高准确率的同时，利用被动收集的听歌历史数据。
• 使用度量学习优化内容表征（如VQ、SMD），使其更符合排序检索中的用户偏好。
• 证明所学习的相似性度量在基于示例的音乐推荐中，优于原始内容特征和传统基于内容的方法。

提出的方法

• 该方法将音乐相似性学习视为一个排序问题，通过优化相似性度量，提升查询歌曲的推荐列表排序效果。
• 采用最大似然回归（MLR）进行度量学习，学习基于VQ（向量量化）码字直方图的音频表征的距离函数。
• 音频表征由低层级声学特征构建，VQ用于将频谱内容压缩为紧凑的码书表征。
• 模型在协同过滤数据样本上进行训练——具体为用户听歌历史，用于定义正负样本对以优化排序。
• 评估了TF-IDF加权方法，但发现其性能下降，表明逆文档频率在码字直方图中不如在自然语言中有效。
• 该方法结合了紧凑高效的VQ音频特征与MLR优化的相似性，实现即使在无用户评分的情况下，也能实现快速且准确的检索。

实验结果

研究问题

• RQ1 能否通过从协同过滤数据中学习，改进基于内容的相似性度量，特别是对新歌或冷门歌曲？
• RQ2 在音频表征（如VQ码字直方图）上使用度量学习，是否能带来优于原始或未优化特征的排序性能？
• RQ3 所学习的相似性度量与基于内容的基线方法及人工标注相比，性能如何？
• RQ4 隐式反馈（听歌历史）的使用在无需显式用户评分的情况下，能在多大程度上实现有效训练？
• RQ5 能否学习一种相似性度量，避免对称性和传递性假设，更真实地反映用户偏好？

主要发现

• MLR优化的VQ表征在所有基于内容的方法中达到最高检索准确率，优于原始VQ、SMD和GMM表征。
• 所提出方法显著优于基于内容的基线方法，性能接近人工标注结果（MLR在标签上AUC为0.907）。
• 对码字直方图使用TF-IDF加权会降低性能，表明IDF在音频特征直方图中并非可靠的显著性度量。
• MLR优化的VQ方法在MUSIxD数据集上达到84.1% ± 0.4%的Top-10准确率，优于所有对比的基于内容的方法。
• 即使人工标签向量也能从MLR优化中受益（AUC为0.907），而对标签使用TF-IDF会将性能降至0.771 AUC，表明MLR能提升人工设计的特征。
• 该方法通过仅依赖音频内容和隐式反馈，有效缓解了冷启动问题，实现了对无历史评分新歌的准确推荐。