专家评论家一句话，音乐推荐准确率飙升到86.5%！
Recovering Expert Critic-Sourced Network Adjacency between Musical Artists from Acoustic Distributions: A Construct-Validity Approach
📖 AI 总结
该研究探讨了音乐推荐系统中一种被忽视的信号来源：专家乐评人在长篇评论中建立的艺术家人际关联（即“批评性邻近”）。此前研究已证明该信号具备内部有效性，但缺乏外部验证。作者从构念效度出发，将艺术家表示为80个Essentia声学描述符的经验分布，通过最优传输（Wasserstein）距离建模配对相似性，在冷启动、艺术家不相交划分下测试批评性邻近的声学可恢复性。集成模型在样本外AUC达0.767，且随批评共识增强而提升，多来源验证边可达0.865。分层评估显示，紧密界定的场景类流派比宽泛行业标签更易恢复。研究表明，批评话语可分解为可复现的“声学核心”与受叙事、亚文化影响的“社会学余项”，为冷启动推荐提供了可扩展机制，并为音乐信息检索研究引入社会学视角。
🔑 关键词速览
| Construct Validity | 构念效度，指测量工具或理论构念在多大程度上真实反映了其声称测量的抽象概念。 |
| Critical Adjacency | 评论性邻近关系，指专家评论者在文本中明确将两位艺术家联系起来的成对关系，反映其艺术归属判断。 |
| Optimal Transport (Wasserstein) Distance | 最优传输（Wasserstein）距离，一种度量概率分布之间差异的数学方法，用于比较艺术家声学特征分布。 |
| Cold-Start | 冷启动，指推荐系统面对新用户或新物品时缺乏交互数据的情况，此处指艺术家无用户数据时的推荐场景。 |
| Essentia Descriptors | Essentia描述符，由开源音频分析库Essentia提取的低级声学特征，用于量化音乐内容。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅