Predicting Musical Sophistication from Music Listening Behaviors: A Preliminary Study
Jönköping University(延雪平大学);Maastricht University(马斯特里赫特大学)
心理学模型越来越多地被用来解释在线行为痕迹。除了通常使用的个性特征作为一般用户模型之外,更多的领域相关模型正在受到关注。领域相关心理模型的使用允许更细粒度的行为识别,并提供对这些行为发生背后的更深入的理解。基于心理模型理解行为可以提供比数据驱动方法更大的优势。例如,依靠心理模型可以在数据稀缺时实现个性化。在这个初步的工作中,我们看看用户的音乐成熟度和他们的在线音乐收听行为之间的关系,在多大程度上,我们可以成功地预测音乐成熟度。对一项有61名参与者的研究数据的分析表明,倾听行为可以成功地用来推断用户的音乐成熟度。
2018-08-22 cs.HC cs.IR cs.LG
Diversity in the Music Listening Experience: Insights from Focus Group Interviews
在当今的数字空间中,音乐聆听的高度特征是世界各地的人们都可以访问庞大的音乐目录。在这种情况下,推荐系统被设计成引导听众找到最适合他们要求的曲目和艺术家,因此有能力影响他们所听音乐的多样性。虽然有几个作品提出了新的技术来开发多样性意识的建议,很少有人知道人们如何感知多样性,同时与音乐推荐互动。在这项研究中,我们采访了几个听众的作用,多样性在他们的听力体验,试图更好地了解他们如何与音乐推荐互动。我们招募的听众中的参与者以前的定量研究,在那里他们面临的多样性的概念时,被要求确定,从一系列的电子音乐列表中,最多样化的,根据他们的信念。作为后续行动,在这个定性研究中,我们进行了半结构化的采访,以了解听众如何评估音乐列表的多样性,并调查他们的经验与音乐推荐的多样性。我们在这里报告我们的主要发现1)什么可以影响曲目和艺术家的音乐列表的多样性评估,2)哪些因素可以表征听众与音乐推荐多样性的互动。
2022-01-25 cs.HC cs.IR
Modeling Artist Preferences of Users with Different Music Consumption Patterns for Fair Music Recommendations
音乐推荐系统已经成为流行的流媒体平台(如www.example.com,Pandora或Spotify)的核心部分,以帮助用户找到适合他们偏好的音乐。这些系统从用户过去的收听事件中学习,以推荐用户将来可能收听的音乐。在这里,当前的算法通常采用协同过滤(CF)利用用户的收听行为之间的相似性。一些方法还将CF与内容特征结合到混合推荐系统中。虽然音乐推荐系统可以为主流音乐艺术家的听众提供高质量的推荐,但最近的研究表明,它们倾向于歧视非正统、低主流艺术家的听众。这主要是由于低主流音乐的使用数据稀缺,因为音乐消费模式偏向流行艺术家。因此,我们的工作的目标是提供一种新的方法来建模艺术家的喜好,不同的音乐消费模式和收听习惯的用户。
2019-07-23 cs.HC cs.IR
Actions Speak Louder than Listening: Evaluating Music Style Transfer based on Editing Experience
Academia Sinica(中央研究院);KKBOX, Inc.(KKBOX公司)
对音乐生成技术的主观评价主要是基于听觉测试的,而忽略了从音乐创作、编曲和配乐编辑的角度。在本文中,我们提出了一个编辑测试,以评估用户的编辑体验的音乐生成模型在一个系统的方式。为此,我们设计了一个新的音乐风格迁移模型结合非时序推理架构,自回归模型和Transformer,这是一个改进的基线模型相同的风格迁移任务。然后,我们将这两个模型的性能与传统的听力测试和建议的编辑测试进行比较,在编辑测试中,生成的样本的质量通过努力量(例如,所需的键盘和鼠标动作的数量)。对两种目标样式的测试结果表明,编辑测试可以定量地反映相对于基线模型的改进。此外,编辑测试提供了深刻的见解,这是无法从通常的听力测试。本文的主要贡献是系统地介绍了编辑测试和相应的见解,而提出的音乐风格转移模型的基础上,国家的最先进的神经网络代表另一个贡献。
2021-10-25 cs.HC cs.LG cs.MM
Continuous Emotion Recognition during Music Listening Using EEG Signals: A Fuzzy Parallel Cascades Model
人工智能中一个有争议的问题是人类情感识别。本文提出了一个模糊平行级联(FPC)模型预测连续的主观评价的情感内容的音乐时变频谱内容的脑电信号。脑电图,以及15名受试者的情绪评估,在听七段音乐摘录时被记录下来。情绪评价沿着效价和唤醒情绪轴记录为连续信号。FPC模型由并联级联组成,每个级联包含一个基于模糊逻辑的系统。通过与线性回归(LR)、支持向量回归(SVR)和长短期记忆递归神经网络(LSTM RNN)模型的比较,评价FPC模型的性能。FPC的RMSE低于其他模型的所有音乐摘录的效价和唤醒的估计。用FPC模型估算MS4的效价时,RMSE最低为0.089。用效价分析额叶脑电的MI,证实了θ频段额叶通道在情绪识别中的作用。考虑到歌曲中音乐特征的动态变化,采用建模方法来预测情感评价的动态变化可以是将音乐摘录分类为预定义标签的合理替代。
2019-10-19 cs.HC eess.SP q-bio.NC
Recording Brain Activity While Listening to Music Using Wearable EEG Devices Combined with Bidirectional Long Short-Term Memory Networks
School of Music, Jiangxi Normal University(江西师范大学音乐学院);School of Electronic Information, HuZhou College(湖州学院电子信息学院);San Francisco State University(旧金山州立大学)
本研究提出结合Bi-LSTM网络与注意力机制处理可穿戴EEG设备采集的听音乐脑电信号,在SEED和DEAP数据集上分别达到98.28%和92.46%的情绪识别准确率,显著优于传统模型,为脑机接口和情感计算提供技术支持。
2024-08-22 cs.HC cs.LG eess.SP
Let Me Introduce You: Stimulating Taste-Broadening Serendipity Through Song Introductions
imec-SMIT, Vrije Universiteit Brussel(imec-SMIT,布鲁塞尔自由大学);Eindhoven University of Technology(埃因霍温理工大学);Jheronimus Academy of Data Science(杰罗尼姆斯数据科学学院)
本文研究通过沉浸式和信息丰富的介绍激发听众对非典型音乐的兴趣,发现沉浸感是引发偶然惊喜的主要因素,而认知 elaboration 作用较弱但易激发。
2026-04-09 cs.HC
Spatiotemporal Emotion Recognition using Deep CNN Based on EEG during Music Listening
Chulalongkorn University(朱拉隆功大学);University of Twente(特温特大学);Institute of Scientific and Industrial Research, Osaka University(大阪大学产业科学研究所)
基于脑电信号的情感识别是当前研究的热点。作为机器学习模型之一,CNN已被用于解决包括该领域中的问题在内的各种问题。在这项工作中,CNN及其时空特征提取的研究已经进行,以探索不同的窗口大小和电极顺序的模型的能力。我们的调查是以独立于受试者的方式进行。结果表明,在不同的窗口大小的时间信息显着影响识别性能的10倍和留一个主题的交叉验证。空间信息从不同的电极顺序有微小的影响分类。SVM分类器依赖于相同的数据集上的时空知识,以前采用这些经验的结果进行比较。尽管CNN和SVM在窗口大小效应方面具有同源趋势,但使用留一主题交叉验证,CNN优于SVM。这可能是由于在启发过程中提取的特征不同造成的。
2019-10-22 cs.HC cs.LG eess.SP
Automatic Detection of Reactions to Music via Earable Sensing
KOREATECH(韩国技术教育大学);Nokia Bell Labs(诺基亚贝尔实验室)
提出GrooveMeter系统,利用智能耳塞的IMU和麦克风自动检测对音乐的发声与动作反应,在自建数据集上验证了高准确性与鲁棒性,并有效降低了系统能耗。
2023-04-06 cs.HC cs.SD eess.AS
Mozualization: Crafting Music and Visual Representation with Multimodal AI
Xi’an Jiaotong-Liverpool University(西安交通大学利物浦大学);Beijing Institute of Technology(北京理工大学)
本文提出Mozualization,一个整合关键词、图像和声音片段的多模态AI音乐生成工具,通过用户研究评估了其用户体验与参与度。
2025-04-05 cs.AI cs.HC
Visual Analyses of Music History: A User-Centric Approach
音乐历史是指用户在在线音乐服务中的收听或下载历史记录,是音乐服务提供商分析用户对音乐的偏好从而向用户提供个性化推荐的主要来源。为了使用户参与服务并改善用户体验,向该用户提供对一个用户的音乐历史的可视分析以及可视推荐将是有益的。在本文中,我们采取以用户为中心的方法来设计这样的视觉分析。我们首先调查用户的需求,这样的视觉分析和建议,然后提出了几个不同的可视化方案,并进行了试点研究,以收集用户的反馈意见的设计方案。我们进一步进行用户研究,以验证所提出的计划的效用,结果不仅证明了我们提出的可视化的有效性,但也提供了重要的见解,以指导未来的可视化设计。
2017-03-22 cs.HC
The Music Streaming Sessions Dataset
Spotify Research(Spotify研究院)
在线流媒体服务面临的许多重要机器学习问题的核心是需要对用户如何与他们所服务的内容进行交互建模。不幸的是,目前还没有公共数据集可以让研究人员探索这个主题。为了推动这项研究,我们发布了音乐流媒体会话数据集(MSSD),其中包括1.6亿个收听会话和相关的用户操作。此外,我们还为日志中提到的约370万首独特曲目提供音频功能和元数据。这是目前向公众提供的此类轨道元数据的最大集合。该数据集支持对重要问题的研究,包括如何对流媒体中的用户收听和交互行为进行建模,以及音乐信息检索(MIR)和基于会话的顺序推荐。此外,使用均匀随机的推荐设置收集会话的子集,使得它们能够用于对这种顺序推荐的反事实评估。最后,我们提供了一个用户行为的分析,并提出了进一步的研究问题,可以使用数据集解决。
2020-10-14 cs.HC cs.IR cs.LG
Empirical Measurement of Aesthetic Experience of Music
本研究开发了一款基于IoT设备的可穿戴鸡皮疙瘩检测装置,验证了其检测音乐引发的战栗感的可靠性,并计划进一步探索音乐刺激下相关的脑区,为音乐神经美学研究提供新工具。
2023-06-13 cs.HC q-bio.NC
Mugeetion: Musical Interface Using Facial Gesture and Emotion
UC San Diego(加州大学圣地亚哥分校)
人们在听音乐时会有感情。然而,情感不是可以在音乐创作过程中利用的有形对象,因为它们难以在算法中捕获和量化。我们提出了一种新的音乐界面,Mugeetion,旨在捕捉发生的情况下,从用户的面部表情和中继数据的情感状态相关联的音乐功能。Mugeetion可以将情绪状态的定性数据转换为定量数据,这些数据可以用于声音生成过程。我们还在声音装置展览“听觉海景”中展示并测试了这件作品,使用观众的面部表情。观众根据他们的情绪状态听到背景声音的变化。该过程有助于多个研究领域,如手势跟踪系统,情感-声音建模,以及声音和面部手势之间的联系。
2018-10-07 cs.AI cs.HC
musicolors: Bridging Sound and Visuals For Synesthetic Creative Musical Experience
本文提出实时网络音乐可视化库 musicolors,并通过面向作曲家、开发者和听众的定性研究,揭示其在音乐构思、系统集成与联觉聆听中的价值,进而提出未来设计指南。
2025-03-18 cs.HC cs.MM
Mood-based On-Car Music Recommendations
开车和听音乐是当今世界数百万人不可分割的两项日常活动。考虑到音乐、情绪与驾驶舒适性和安全性之间的高度相关性,在汽车驾驶的背景下,根据驾驶员的情绪和歌曲使用适当的智能音乐推荐是有意义的。本文的目的是提出一个上下文的情绪为基础的音乐推荐系统,能够调节司机的情绪,并试图对她的驾驶行为产生积极的影响。在这里,我们提出了系统的概念证明,并描述了它的一部分的技术和技术。进一步可能的未来改进的每个构建块也提出。
2020-06-25 cs.HC cs.IR cs.SY
AffectMachine-Pop: A controllable expert system for real-time pop music generation
提出可控专家系统AffectMachine-Pop,根据唤醒度和效价生成复古流行音乐,经聆听研究验证有效,可用于交互式情感音乐生成及生物反馈辅助情绪调节。
2025-06-09 cs.HC cs.MM
Designing for Engaging Communication Between Parents and Young Adult Children Through Shared Music Experiences
本文探索音乐介导的亲子沟通实践与需求,开发DJ-Fam移动应用促进分居父母与成年子女共享歌曲并引发对话,经韩国7个家庭4周研究,证明其能提升沟通频率、丰富渠道话题并改善亲子关系。
2025-07-30 cs.CY cs.HC
Towards the bio-personalization of music recommendation systems: A single-sensor EEG biomarker of subjective music preference
Aristotle University of Thessaloniki(塞萨洛尼基亚里士多德大学)
生物传感器技术和移动式脑电接口的最新进展为认知监测开辟了新的应用领域。本文介绍了一种可计算的生物标志物,用于评估音乐听音过程中的自发审美脑反应。它源于交叉频率耦合(CFC)的成熟措施,并量化了音乐引起的脑节律之间动态关系的变化。在探索性分析阶段,并使用来自适当设计的实验的信号,我们建立了生物标志物,它作用于左前额叶皮层记录的大脑激活,并专注于高β和低γ振荡之间的功能耦合。基于来自额外实验范例的数据,我们验证了引入的生物标志物,并显示其与表达一段音乐的主观审美欣赏的相关性。我们的方法产生了一个负担得起的工具,可以促进人机交互,并作为一个个性化的音乐注释策略,可以潜在地集成到现代灵活的音乐推荐系统。关键词:交叉频率耦合;人机交互;脑-机接口
2016-09-21 cs.AI cs.HC cs.MM