首页 > 代码库 > 【论文阅读-REC】<<Recommending music on Spotify with deep learing>>阅读

【论文阅读-REC】<<Recommending music on Spotify with deep learing>>阅读

1、协同过滤

协同过滤不使用item的具体信息,因此可适用性很强,在书籍、电影、音乐上都可用;

协同过滤不适用item的具体信息,因此强者愈强;

冷启动问题无法解决

2、基于内容的推荐

使用声音信号推荐

3、用DL预估偏好

把用户和music各表示成vec

4、提升效率

输入:每个audio,切割成3秒的片段;预测:对这些片段求平均

以梅尔声谱作为输入,横轴是频率,纵轴是时间;

仅在时间维度卷积,不在频率维度卷积,这和图像不一样,图像各个维度内涵一样,音频不一样;

通过下采样,获得时间维度的不变形;

最后一个池化层使用了global tmporal 池化,作者认为音频特征有全局性,不像图片是局部的;

5、训练

Loss:MSE,最小化模型输出向量和CF输出向量的差值

trick:通过时间轴偏移,稍微调整声谱,扩展数据

6、变化(优化尝试)

1)More hidden layers

2)ReLU->maxout unit

3)max-pooling->stocastic pooling

4)拉伸或者压缩时域,扩展数据

5)级联别的CF输出的latent vector

7、分析:我们学到了什么

1)低级表征:最大激活

playlist流派不同,最大激活获取了这种特征(音高)

2)低级表征:平均激活

获取一段时间的平均,获得了和声表征

3)高级表征:

对子音乐类型很有表达能力

8、基于相似度的推荐

效果还不错啦

9、用在哪里

1)推荐集合的来源

2)异常过滤

3)冷启动问题

【论文阅读-REC】<<Recommending music on Spotify with deep learing>>阅读