PEIA: Personality and Emotion Integrated Attentive Model for Music Recommendation on Social Media Platforms
Tiancheng Shen, Jia Jia, Yan Li, Yihui Ma, Yaohua Bu, Hanjie Wang, Bo Chen, Tat-Seng Chua, Wendy Hall
Tsinghua University, WeChat AI, National University of Singapore, University of Southampton
http://hcsi.cs.tsinghua.edu.cn/Paper/Paper20/AAAI20-SHENTIANCHENG.pdf
音乐形式发展迅速,各种各样的音乐不断涌现,给用户推荐最喜欢的音乐必不可少。
对于音乐推荐,用户的个性及情绪在短期和长期来看对音乐偏好的影响非常大。富社交媒体数据对这些信息的反馈比较有效。
这篇文章,以社交媒体平台中的音乐推荐为研究对象,提出一种个性和情绪集成的注意力模型(PEIA),它能够完全利用社交媒体数据对用户长期品味(个性)和短期偏好(情绪)进行比较的建模。
具体而言,该模型能够完全利用以个性化为核心的用户特征,表征情绪的用户特征以及具有多面性的音乐特征。
优于融合了用户特征和情绪相关的隐含表示,作者们利用分层注意力来区分重要的因子。
具有171,254个用户的真实数据集上的大量实验表明PEIA模型的有效性,其中NDCG达到了0.5369,优于STOA方法。
另外,作者们进行了详细的参数分析和特征重要性分析,对所提框架进行了验证,并且表明了在音乐推荐中将用户特性和情绪共同建模的重要性。
数据集信息如下
这篇文章的主要贡献如下
相关的知名工作如下
数据集及处理方式如下
用户为主体的特征如下
情绪相关的特征及描述如下
下面是情绪分类系统表格汇总
音乐相