線上音樂服務基於重複消費行為對音樂推薦成效分析

謝政穎 ； 許政穆

《TANET2019 臺灣網際網路研討會》 2019年 (2019/12) Pp. 295-299

https://doi.org/10.6924/TANET.201909.0053

摘要

隨著線上音樂串流服務平台快速發展興起，讓使用者能更便利透過網際網路聆聽音樂。透過音樂推薦，不僅能主動提供合宜音樂供使用者選用，也能提高線上音樂服務品質。為了提升音樂推薦準確度，以使用者在音樂平台上點擊互動等的Session資訊與重複消費行為進行音樂推薦，將更貼近使用者對音樂喜好選擇。故本論文將以歌曲重複消費行為特徵，並以平行遞迴神經網路（parallel Recurrent Neural networks, p-RNN）建構Session-based音樂推薦，以為使用者提供更優質更貼近個人喜好的音樂推薦服務體驗。

關鍵字

音樂推薦 ； Session ； 重複消費 ； p-RNN

並列摘要

With the rapid development of online music streaming service, it allows users to easily access and listen to music via the Internet. Music recommendation can assist the users easily finding their favorite music. For improving the accuracy of music recommendation, a music recommender system integrating the session information of clicking interaction and repeat consumption behavior of the platform users can provide a favorite recommendation closing to the music preference of users for online music service. Therefore, a session-based music recommendation with the feature of repeat consumption behavior is proposed in this paper. It also adopts parallel recurrent neural network (p-RNN) model to develop the recommender system and evaluate the effectiveness of recommendation in order to provide the better system experience of using online music service for users.

並列關鍵字

Music Recommendation ； Session ； Repeat Consumption ； p-RNN