摘要
推荐系统在现代音乐流媒体平台中至关重要，因为可用内容量庞大。虽然协同过滤被广泛用于根据相似用户的偏好推荐项目，但在用户-项目交互稀疏的领域（如音乐）中表现不佳。内容过滤是一种替代方法，它考察项目本身的特性。虽然对流派、乐器和歌词进行了研究，但对情感识别的关注相对较少。由于用户的情感状态对其音乐选择有显著影响，因此结合情绪信号为个性化推荐提供了有前景的方向。
在本研究中，我们提出了一种情绪条件排序框架，通过在能量-价值空间中使用基于 softmax 的采样，将用户情感信号整合到推荐过程中。我们通过单盲实验评估该方法，参与者比较了我们提出的系统与基线的推荐结果。结果显示，推荐质量的感知有所提升，这为将基于情绪的输入融入音乐推荐提供了初步证据。
博主点评： 该研究突出了情感在音乐推荐中的重要性，通过引入情绪信号，推荐系统的个性化程度显著提高。这一创新方法为未来音乐推荐技术的发展提供了新的视角，值得进一步探索和应用。