编译：chux
出品：ATYUN订阅号
亚马逊的AI工程师开发了一种新颖的方式来学习用户的音乐品味，方法是将歌曲播放持续时间作为“隐式推荐系统”。机器学习科学家和研究的主要作者Bo Xiao，在印度海德拉巴举行的Interspeech 2018年会议上发表的一篇博客文章中描述了该方法。
区分两首标题相似的歌曲，例如，Lionel和Richie的《Hello》和Adele的《Hello》，这对于像Alexa这样的语音助手来说可能是一个真正的挑战。解决这个问题的一种方法是让助手总是选择用户期望更多享受的歌曲，但正如Xiao所说，这说起来容易做起来难。用户通常不会评价通过Alexa和其他语音助手播放的歌曲，并且播放记录不一定提供对音乐品味的洞察。
“为了尽可能地为客户提供帮助，Alexa应该能够对含糊不清的话语的含义进行有根据的猜测，”Xiao写道。“我们使用机器学习来分析播放持续时间数据以推断歌曲偏好，利用协同过滤技术来估计特定客户如何评价他从未提过的歌曲。”
研究人员找到了歌曲持续时间的解决方案，在一篇论文“Play Duration based User-Entity Affinity Modeling in Spoken Dialog System”中，Xiao和同事推断人们会取消他们不喜欢的歌曲的播放，让他们喜欢的歌曲继续播放，因此提供一个数据集，用于训练机器学习驱动的推荐引擎。
他们将歌曲分为两类：（1）用户播放时间少于30秒的歌曲和（2）播放时间超过30秒的歌曲。每个都表示为矩阵网格中的数字，第一个类别被指定为负数，第二个类别被指定为正数。
为了解决与音乐偏好无关的播放中断，例如导致用户在开始时停止歌曲的中断，他们增加了加权功能。如果歌曲播放时间为25秒而不是一秒钟，或者播放三分钟而不是两分钟，则歌曲的权重会更大。
Xiao表示，根据用户推断的吸引力评分进行评估时，相关性足以证明该模型的有效性。此外，它暗示它不仅仅是音乐的好处，在未来，研究人员计划将其应用于其他内容，如有声读物和视频。
论文：arxiv.org/pdf/1806.11479.pdf
