[论文解读] Towards Playlist Generation Algorithms Using RNNs Trained on Within-Track Transitions

Keunwoo Choi, George Fazekas+1 more|arXiv (Cornell University)|Jun 7, 2016

Music and Audio Processing参考文献 24被引用 7

一句话总结

本文提出了一种新颖的播放列表生成方法，通过在高阶音乐描述符的段内转换上训练RNN，以建模平滑、连贯的曲目转换。通过利用结构分割和动态累积增益（DCG）相似性，与余弦距离和L2距离度量相比，该模型生成的播放列表在连贯性和意外惊喜性方面均有提升。

ABSTRACT

We introduce a novel playlist generation algorithm that focuses on the quality of transitions using a recurrent neural network (RNN). The proposed model assumes that optimal transitions between tracks can be modelled and predicted by internal transitions within music tracks. We introduce modelling sequences of high-level music descriptors using RNNs and discuss an experiment involving different similarity functions, where the sequences are provided by a musical structural analysis algorithm. Qualitative observations show that the proposed approach can effectively model transitions of music tracks in playlists.

研究动机与目标

• 解决生成具有平滑过渡的高质量、连贯音乐播放列表的挑战。
• 通过利用段内转换作为训练信号，克服播放列表建模中的数据稀缺问题。
• 探索在内部曲目结构上训练的RNN在多大程度上能泛化到段间转换预测。
• 评估不同相似度函数（余弦、L2、DCG）对播放列表质量与连贯性的影响。
• 研究一致性和波动性特征在通过RNN预测维持播放列表连贯性中的作用。

提出的方法

• 该方法使用自相似性分析和特征提取，将音乐曲目分割为结构部分（例如，主歌、副歌）。
• 从每个部分提取高阶音乐描述符，并用于构建RNN训练的序列特征向量。
• 训练一个长度为50的RNN，以建模这些段内特征序列中的时间依赖性。
• 在播放列表生成过程中，将种子曲目的最后N个段作为输入，送入训练好的RNN，以预测下一个特征向量。
• 根据预测向量与候选曲目起始段之间的相似性，选择目标曲目。
• 比较三种相似度函数——余弦距离、L2范数和动态累积增益（DCG）——在曲目选择中的表现。

实验结果

研究问题

• RQ1 在段内转换上训练的RNN能否有效建模段间转换，以用于播放列表生成？
• RQ2 不同相似度函数（余弦、L2、DCG）如何影响生成播放列表的连贯性和多样性？
• RQ3 RNN在多大程度上能从段内结构中学习到一致性和动态特征模式，以指导播放列表的流畅性？
• RQ4 与标准度量相比，使用DCG作为相似度度量是否能提升播放列表质量？
• RQ5 RNN模型在维持长播放列表长期连贯性方面存在哪些局限性？

主要发现

• RNN模型成功捕捉了曲目内部的一致性和动态特征模式，从而实现了连贯的播放列表生成。
• DCG在生成连贯性更高、过渡质量更好的播放列表方面，优于余弦距离和L2范数。
• 该模型在长播放列表中容易忽略整体相似性，可能由于段长较短以及RNN倾向于优先考虑最近输入。
• 在段内转换上训练的RNN能够泛化到段间转换，有效建模理想的音乐转换。
• 使用DCG能通过优先考虑预测中一致较大的特征值，提升曲目选择的准确性，从而增强播放列表的一致性。
• 尽管存在局限性，该方法表明，段内结构转换为RNN在播放列表生成中的训练提供了一种可行且可扩展的信号。