Resumen

El crecimiento y la popularidad de la música en streaming han cambiado la forma de consumir música, y los usuarios pueden escuchar música online en cualquier momento y lugar. Mediante la integración de varios algoritmos/estrategias de recomendación (perfil de usuario, filtrado colaborativo, filtrado de contenidos, etc.), captamos los intereses y preferencias de los usuarios y les recomendamos los contenidos que les interesan. Para hacer frente a la escasez de datos de comportamiento en la comercialización de música digital, que conduce a una extracción inadecuada de las características de las preferencias musicales de los usuarios, se propone un algoritmo de recomendación de aprendizaje de clasificación métrica con representación de contenido fusionado. Las relaciones de orden parcial relativo se construyen utilizando datos de comportamiento observados y no observados para permitir que el modelo se entrene completamente, mientras que los submodelos de extracción de características de audio relacionados con la tarea de recomendación se construyen para aliviar aún más el problema de la escasez de datos y, finalmente, las relaciones de preferencia entre los usuarios y las canciones se extraen a través del aprendizaje métrico. Las redes neuronales convolucionales se utilizan para extraer las características semánticas de alto nivel de las canciones y, a continuación, las características semánticas de alto nivel de las canciones extraídas de la capa anterior se reforman en una lista de secuencias temporales de sesiones de acuerdo con la secuencia temporal de escucha del usuario para construir un modelo de red neuronal recurrente bidireccional basado en el mecanismo de atención, de modo que pueda reducir la influencia de los datos ruidosos y aprender las fuertes dependencias entre las canciones.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:características de la canción, características semánticas, secuencia del usuario, modelo de red neuronal, submodelos de extracción de características, minería del usuario, características de las preferencias musicales, relaciones de orden parcial, red neuronal convolucional, datos de comportamiento no observados
• Keywords:features of song, semantic features, sequence of user, neural network model, features extraction submodels, mining of user, music preferences features, partial order relations, convolutional neural network, unobserved behavioral data