Ученые из Австрии и Нидерландов исследовали эффективность алгоритмов рекомендации музыки для любителей популярных и непопулярных музыкальных жанров. Исследователи обнаружили, что алгоритмы предоставляют более точные рекомендации для пользователей со среднестатистическим музыкальным вкусом, чем для любителей андеграунда. Вывод был сделан при помощи модели, которая на основе информации о 4148 пользователях стриминговых сервисов вычисляет удовлетворенность музыкальными рекомендациями.
Причиной этого ученые назвали предвзятость алгоритмов популярных стриминговых сервисов. Непопулярные песни получают меньше активности со стороны пользователей, поэтому рекомендуются с меньшей вероятностью. Также исследователи обнаружили, что у фанатов мейнстримной музыки, как правило, менее разнообразные музыкальные предпочтения, чем у любителей андеграунда. Из-за этого алгоритмам сложнее давать последним точные рекомендации.
На основе этих наблюдений авторы исследования представили альтернативные подходы к составлению алгоритмов рекомендаций. Ученые предложили делить людей на “экспертов” и “новичков” на основе распределения скачанной музыки. На основе этого деления веса музыки перераспределяются при рекомендации, что помогает чаще рекомендовать непопулярную музыку. Еще один вариант — использовать подход, основанный на работе человеческой памяти: песни рекомендуются исходя из того, что пользователь слушал в недавнем прошлом.
Дальше ученые планируют работать над техниками, которые позволили бы точнее делить пользователей на подгруппы. Это улучшит качество рекомендаций. Исследователи рассмотрят культурные и социально-экономические различия между фанатами популярной и непопулярной музыки и учтут сложные характеристики музыкальных предпочтений любителей андеграунда.
Источник: Support the underground: characteristics of beyond-mainstream music listeners
