Amazon的人工智能工程师找到了一个了解用户喜欢的音乐类型的新方法，可根据歌曲播放时间的长短制作一种“隐形推荐系统” 。这项研究的主要作者，科学家Bo Xiao在印度海得拉巴举行的2018年国际演讲会上发表演讲之前介绍了这种方法。
区分例如，莱昂内尔的“Hello”和阿黛尔的“Hello”两首标题相近的歌曲对于像 Alexa 这样的语音助理来说确实是一种挑战。
解决这个问题的一个方法是让语音助理始终去选择符合用户音乐喜好的歌曲，但是正如Xiao所说，这是一个很难的过程。 用户通常不会对通过 Alexa 和其他语音助理播放的歌曲进行评价，而且播放记录不一定能够反映真正的音乐喜好。
“为了更好的服务用户，Alexa 能够对模棱两可的话语做出有根据的猜测。”Xiao写道。 “我们让语音助手通过不断地学习去分析播放持续时间的数据，从而判断歌曲偏好，我们使用Collaborative-Filtering Techniques（协同过滤技术）来估测一位特定的用户如何评价一首他或她未听过的歌曲。”
研究人员在歌曲持续播放中找到了一个解决方案。在一篇《Play Duration based User-Entity Affinity Modeling in Spoken Dialog System》论文中，Xiao和他的同事们推断，人们通常会停止播放自己不喜欢的歌曲，从而让自己喜欢的歌曲持续播放，这样就提供了一个数据集，用于训练机器学习推荐引擎。
他们将歌曲分为两类: 用户播放不到30秒的歌曲，以及他们播放超过30秒的歌曲。在矩阵网格中，两种类型都被表示为数字。第一类被分配了一个负数，第二个分值为正数。
团队还增加了加权函数以便数字上体现与音乐偏好无关的播放中断，例如导致用户在刚开始时就中断播放。 再或者如果把歌曲播放25秒而不是1秒钟，3分钟而不是2分钟，那么歌曲将会得到更大的比重。
当对用户对歌曲的评分进行评估时，这种相关性足以证明该模型的有效性。
此外，这意味着这样的方法不仅仅能用于识别用户的音乐偏好。在未来，研究人员计划将其应用于其他方面，例如有声读物和视频。
-End-
编辑：C.C
本文章图片来源于网络
