divendres, 4 de novembre de 2011

Vasos comunicants # 11: Recomanació i descoberta musical: el tutorial

Cada primer divendres de mes, Mediamus i Ampli es conviden mútuament a publicar l'un en el bloc de l'altre simultàniament en la sèrie "vasos comunicants", compartint informació i coneixement més enllà de l'estricte àmbit cultural local. Aquest mes us oferim la traducció d'un interessant article que esperem que sigui del vostre interès. Us deixem amb els nostres col·legues de la vila de Dole, al Nordest de França.

Dins del marc de la 5a conferència de l'ACM (Association for Computing Machinery) sobre sistemes de recomanació (Chicago, 23-27 d'octubre de 2011), Òscar Celma -investigador que treballa per la base de dades Gracenote- i Paul Lamere -director de la plataforma Echonest (co-desenvolupador de l'extensió Music Plus per Chrome) i autor del bloc Music Machinery-, van proposar una actualització de la seva presentació "Music Recommendation and Discovery".

Aquesta presentació permet una millor comprensió dels diversos aspectes de la qüestió, encara que algunes parts del document puguin resultar molt tècniques (els algoritmes, l'anàlisi factorial, etc.), ja que s'adrecen sobretot a un públic especialista en la matèria. De totes maneres, en les notes següents n'hem seleccionat alguns fragments d'interès.

Una recomanació de qualitat depèn de diversos factors:
  • la pertinença (relevance),
  • la novetat i la descoberta (novelty / serendipity),
  • la transparència o claredat i la confiança (transparency / trust),
  • l'abast (reach),
  • el context.
A continuació, detallem diversos enfocaments de la recomanació musical:
  • les bases de metadades d'experts: Rovi (ex: Allmusic), Gracenote, Pandora
  • el filtratge col·laboratiu: anàlisi factorial, estadístiques, probabilitats: "les persones que han escoltat aquest també han escoltat aquest altre"
  • les bases de dades en l'externalització oberta, l'intel·ligència col·laborativa (Crowdsourcing): Rate you music, The Hype Machine, LastFM, Wikipedia, etc.
  • l'anàlisi espectral dels sons musicals, l'anàlisi del ritme, del timbre, de l'harmonia etc., l'emprempta d'un senyal d'àudio (audio fingerprinting)
  • una hibridació d'aquests diferents enfocaments
També van examinar l'especifitat dels mètodes de recomanacions d'EchoNest, de Pandora i de BMAT.
Aquí teniu la presentació sencera:
El sistema de recomanació també ha de tenir en consideració quin tipus d'usuari és el seu objectiu, segons el seu grau de compromís: l'expert, l'apassionat, l'amateur ocasional, l'indiferent. L'unitat de mesura del renidment del sistema és, evidentment, la satisfacció de l'usuari.

"Ni és del tot el mateix, ni és del tot diferent" o "Ni una cosa ni l'altra"

El sistema de recomanació ha de navegar entre molts factors en aparença antònims: la pertinença i la novetat, la popularitat la descoberta; i tot això evitant la redundància i l'aleatorietat.

Per exemple, partint de l'àlbum "Abbey Road" dels Beatles, el sistema proposa els Rolling Stones (opció pertinent, popular, convenient), però també Emitt Rhodes, un cantautor americà molt més fosc, del qual la veu és molt propera a la de Paul McCartney (opció novedosa, de descoberta).



Font: musicmachinery

I a Mediamus: Les bibliothécaires musicaux et le festival de jazz de Barcelone : vases communicants #11
Related Posts Plugin for WordPress, Blogger...