Новое исследование показывает, что поклонники хард-рока и хип-хопа получают менее актуальные рекомендации по песням от алгоритмов Spotify.
Наиболее часто используемые приложения для прослушивания музыки, такие как Spotify, Last.fm или Youtube, имеют алгоритмы, способные предсказывать и показывать вам новую музыку, которая может вам понравиться. Проще говоря, это система рекомендаций через совместную фильтрацию: приложения записывают исполнителей и жанры, которые слушает пользователь, и сопоставляют эти результаты с единомышленниками, чтобы узнать, что нравится другим.
Поклонники хард-рока и хип-хопа получают менее актуальные рекомендации по песням
Но эти алгоритмы несовершены с чем-то настолько субъективным и человечным, как художественное творчество и музыкальные вкусы. По этой причине группа исследователей из Технологического университета Граца, исследовательского центра Know-Center GmbH, Линцского университета Йоханнеса Кеплера, Университета Инсбрука (все из Австрии) и Утрехтского университета (Нидерланды) захотели проверьте, насколько точны рекомендации, генерируемые этими алгоритмами, особенно для слушателей музыки, которая не очень популярна или не так хорошо известна широкой публике.
Главный результат, опубликованный в последнем выпуске журнала EPJ Data Science, заключается в том, что эти алгоритмы значительно больше терпят неудачу для слушателей хард-рока и хип-хопа, чем для других музыкальных жанров.
Тест на пользователях Last.fm выявил ситуацию
Чтобы проверить это, команда взяла историю прослушивания 4148 пользователей платформы Last.fm, как слушателей, которые склонны слушать более коммерчески популярную музыку, так и тех, кто предпочитает менее известных исполнителей (по 2074 пользователя в каждой группе).
Основываясь на артистах, которых больше всего слушает каждый пользователь, в исследовании использовалась вычислительная модель, чтобы предсказать, хотят ли они новую песню или исполнителя, используя четыре различных алгоритма рекомендаций. Таким образом, они подтвердили, что слушатели популярной музыки, как правило, получают более точные и точные рекомендации, чем менее коммерческая группа слушателей.
Затем авторы разделили слушателей некоммерческой музыки на четыре группы в соответствии с характеристиками музыки, которую они чаще всего слушают. Этими группами были: слушатели музыкальных жанров, содержащих только акустические инструменты, например фолк или авторов-исполнителей; энергичная музыка, такая как панк или хип-хоп; очень акустическая, но глухая музыка, такая как эмбиент; и очень энергичная, но глухая музыка, такая как электроника. Таким образом, исследование позволило сравнить истории каждой группы и определить с помощью вычислительной модели, какие пользователи с большей вероятностью будут слушать музыку вне их предпочтений и разнообразия музыкальных жанров в каждой группе.
Слушатели акустической музыки получат более точные рекомендации
Благодаря этой классификации исследование показало, что слушатели акустической музыки без вокала также склонны предпочитать песни из других трех групп (энергичные, энергичные без вокала и акустические) и получили более точные рекомендации от вычислительной модели. В то же время группа энергичных слушателей получила худшие рекомендации от алгоритмов, несмотря на то, что в их группе было наибольшее разнообразие музыкальных жанров – хард-рок, панк, хардкор, хип-хоп и поп-рок.
Элизабет Лекс, соавтор статьи и доцент прикладной информатики Технологического университета Граца, подчеркивает, что алгоритмы музыкальных рекомендаций уже «необходимы» для пользователей, которые хотят искать, выбирать и фильтровать коллекции музыкальных приложений.
Несмотря на это, он указывает, что алгоритмы могут не давать рекомендаций слушателям некоммерческой музыки. «Это может быть связано с тем, что эти системы ориентированы на более популярную музыку, в результате чего артистов, не относящихся к мейнстриму, слушают меньше», – отмечает он.
Наконец, авторы предполагают, что их выводы могут послужить основой для создания систем музыкальных рекомендаций, дающих более точные рекомендации. Однако они предупреждают, что их анализ основан на выборке пользователей Last.fm, которая может быть нерепрезентативной для этой или других музыкальных платформ.