2024-03-28T10:14:21Zhttps://www.tdx.cat/oai/requestoai:www.tdx.cat:10803/1237762024-03-15T10:58:03Zcom_10803_236col_10803_690279
From music similarity to music recommendation : computational approaches based on audio features and metadata
Bogdanov, Dmitry
Serra, Xavier
Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
Modelatge d'usuari
Recomanació musical
Similitud musical
Recuperació d'informació musical
Descubriment de música
Anàlisi d'àudio
Descripció de preferències
Sistemes de recomanació
Metadades
Àudio
Descripció semàntica de la música
Preferències musicals
Personalització
Visualització
Aprenentatge automàtic
Mineria de dades
User modeling
Music recommendation
Music similarity
Music information retrieval
Music discovery
Audio analysis
Preference elicitation
Recommender systems
Metadata
Audio
Semantic description of music
Music preferences
Personalization
Visualization
62
Aquest treball es centra en el modelatge d'usuari per la recomanació musical i desenvolupa algoritmes per la comprensió automàtica i visualització de preferències musicals. Primer, es proposa un model d'usuari construït a partir d'un conjunt de peces musicals. En segon lloc, s'estudien mètodes d’estimació de similitud musical, treballant exclusivament en el contingut d'àudio. Es proposen noves mètriques basades en la informació tímbrica, temporal, tonal i semàntica. En tercer lloc, es proposen diversos mètodes de recomanació musical que utilitzen aquestes mètriques i que milloren amb un filtratge addicional basat en metadades. També es proposa un mètode senzill basat en metadades editorials. En quart lloc, es presenten els predictors de preferència rellevants a nivell acústic i semàntic. Finalment, es presenta un mètode de visualització de preferències que millora l'experiència d'usuari en sistemes de recomanació.
In this work we focus on user modeling for music recommendation and develop algorithms for computational understanding and visualization of music preferences. Firstly, we propose a user model starting from an explicit set of music tracks provided by the user as evidence of his/her preferences. Secondly, we study approaches to music similarity, working solely on audio content and propose a number of novel measures working with timbral, temporal, tonal, and semantic information about music. Thirdly, we propose distance-based and probabilistic recommendation approaches working with explicitly given preference examples. We employ content-based music similarity measures and propose filtering by metadata to improve results of purely content-based recommenders. Moreover, we propose a lightweight approach working exclusively on editorial metadata. Fourthly, we demonstrate important predictors of preference from both acoustical and semantic perspectives. Finally, we demonstrate a preference visualization approach which allows to enhance user experience in recommender systems.
Programa de doctorat en Tecnologies de la Informació i les Comunicacions
2013-10-10T11:51:09Z
2013-10-10T11:51:09Z
2013-09-06
info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/publishedVersion
http://hdl.handle.net/10803/123776
B. 24733-2013
eng
ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
info:eu-repo/semantics/openAccess
199 p.
application/pdf
application/pdf
Universitat Pompeu Fabra
TDX (Tesis Doctorals en Xarxa)