Exploração de redes neurais recorrentes na recomendação sensível ao contexto de músicas

Abstract

RESUMO: Serviços de distribuição de conteúdo online contribuem com um volume cada vez maior de dados na internet e, dentre esses serviços, plataformas de streaming de músicas crescem cada dia mais em número de usuários e no tamanho de seu catálogo. Para auxiliar o usuário a encontrar músicas de acordo com seu interesse, sistemas de recomendação de músicas podem ser utilizados para filtrar uma grande quantidade de músicas de acordo com o perfil do usuário. No entanto, o contexto no qual o usuário ouvirá a música deve ser levado em consideração, o que justifica a utilização de sistemas de recomendação sensíveis ao contexto. Embora haja trabalhos sobre sistemas de recomendação sensíveis ao contexto de músicas, não há muitas técnicas automáticas para obter a informação contextual para esses sistemas. Este trabalho teve como objetivo utilizar Redes Neurais Recorrentes para obter informação contextual (vetor de embeddings) para cada música, por meio de uma análise da sequência de músicas que os usuários ouviram. Os vetores de embeddings foram utilizados por quatro sistemas de recomendação sensíveis ao contexto de músicas e a avaliação desses sistemas foi feita em duas bases de dados. Os resultados obtidos mostraram que os embeddings (informação contextual) obtidos pela Rede Neural Recorrente proposta obtivera melhores resultados nessas duas bases de dados que o modelo de baseline para todas as métricas utilizadas na avaliação.

ABSTRACT: Day by day, online content delivery services suppliers grow the volume of data on the internet. Music streaming services are one of those services that increase the number of users every day, as well as the number of songs in their catalog. To help their users to find songs that fit their interests, music recommender systems can be used to filter a large number of songs according to the preference of the user. However, the context in which the user listens to songs must be taken into account, which justifies the usage of context-aware recommender systems. Although there are some works about context-aware music recommender systems, there is a lack of automatic techniques for extracting contextual information for these systems. The goal of this work is to propose a Recurrent Neural Network to acquire contextual information (embeddings) for each song, given the sequence of songs that each user has listened to. These embeddings were used by four context-aware music recommender systems and evaluated in two datasets. The results showed that the embeddings (contextual information) obtained by the Recurrent Neural Network, proposed in this work, present better results than the baseline model in both datasets for all metrics used in the evaluation.