새로운 연구에 따르면 하드록 및 힙합 팬은 Spotify 알고리즘에서 관련성이 낮은 노래 추천을 받습니다.
Spotify, Last.fm 또는 Youtube와 같이 음악을 듣는 데 가장 많이 사용되는 응용 프로그램에는 사용자가 좋아할 수 있는 새로운 음악을 예측하고 표시할 수 있는 알고리즘이 있습니다. 간단히 말해서 협업 필터링을 통한 추천 시스템입니다. 앱은 사용자가 듣는 아티스트와 장르를 기록하고 이러한 결과를 같은 생각을 가진 청취자와 비교하여 다른 사람들이 좋아하는 것을 찾습니다.
하드록 및 힙합 팬은 관련성이 낮은 노래 추천을 받습니다.
그러나 이러한 알고리즘은 예술적 창작 및 음악적 취향만큼 주관적이고 인간적인 것에 완벽하지 않습니다. 이러한 이유로 Graz University of Technology, Know-Center GmbH 연구 센터, Johannes Kepler University of Linz, University of Innsbruck(모두 오스트리아 출신) 및 University of Utrecht(네덜란드)의 연구원 팀은 특히 대중적이지 않거나 일반 대중에게 잘 알려지지 않은 음악 청취자에 대해 이러한 알고리즘에 의해 생성된 권장 사항이 얼마나 정확한지 테스트합니다.
EPJ Data Science 저널 최신호에 발표된 주요 결과는 이러한 알고리즘이 다른 음악 장르보다 하드록 및 힙합 청취자에게 훨씬 더 많이 실패한다는 것입니다.
Last.fm 사용자에 대한 테스트에서 상황이 드러났습니다.
이를 테스트하기 위해 팀은 상업적으로 더 대중적인 음악을 듣는 경향이 있는 청취자와 다소 덜 알려진 아티스트를 선호하는 청취자(각 그룹의 사용자 2074명)인 Last.fm 플랫폼 사용자 4148명의 청취 기록을 가져왔습니다.
각 사용자가 가장 많이 듣는 아티스트를 기반으로 연구는 계산 모델을 사용하여 4가지 다른 추천 알고리즘을 사용하여 새 노래 또는 아티스트를 원하는지 여부를 예측했습니다. 이를 통해 대중음악 청취자들은 덜 상업적인 청취자 그룹보다 더 정확하고 정확한 추천을 받는 경향이 있음을 확인했다.
그런 다음 저자는 비상업적 음악 청취자를 가장 자주 듣는 음악의 특성에 따라 네 그룹으로 분류했습니다. 이 그룹은 다음과 같습니다. 포크 또는 싱어송라이터와 같은 어쿠스틱 악기만 포함하는 음악 장르의 청취자; 펑크 또는 힙합과 같은 매우 활기찬 음악; 주변 음악과 같은 매우 음향적이지만 무성 음악; 그리고 일렉트로니카와 같은 매우 에너제틱하지만 무성 음악. 따라서 연구는 각 그룹의 기록을 비교하고 계산 모델을 사용하여 사용자가 선호하지 않는 음악과 각 그룹 내 음악 장르의 다양성을 더 많이 들을 가능성이 있는 사용자를 식별할 수 있었습니다.
어쿠스틱 음악 청취자는 더 나은 추천을 받습니다.
이 분류를 통해 연구는 보컬이 없는 어쿠스틱 음악의 청취자들도 다른 3개 그룹(에너제틱, 보컬 없는 에너제틱, 어쿠스틱)의 노래를 선호하는 경향이 있고 컴퓨팅 모델에서 더 정확한 추천을 받았다는 것을 발견했습니다. 동시에, 에너지 넘치는 음악 청취자 그룹은 그들의 그룹이 하드 록, 펑크, 하드 코어, 힙합, 팝 록과 같은 가장 다양한 음악 장르를 특징으로 한다는 사실에도 불구하고 알고리즘으로부터 최악의 추천을 받았습니다.
논문의 공동 저자이자 Graz University of Technology의 응용 컴퓨터 과학 부교수인 Elisabeth Lex는 음악 추천 알고리즘은 음악 앱 컬렉션을 검색, 선택 및 필터링하려는 사용자에게 이미 “필수적”이라고 강조합니다.
그럼에도 불구하고 그는 알고리즘이 비상업적 음악 청취자에게 추천하지 못할 수 있다고 지적합니다. “이것은 이러한 시스템이 더 대중적인 음악에 편향되어 있어 주류 외부의 아티스트가 덜 듣는 결과를 낳기 때문일 수 있습니다.”라고 그는 말합니다.
마지막으로, 저자들은 그들의 발견이 보다 정확한 추천을 제공하는 음악 추천 시스템을 만들기 위한 기초가 될 수 있다고 제안합니다. 그러나 그들은 분석이 Last.fm 사용자의 샘플을 기반으로 하므로 이 또는 다른 음악 플랫폼을 대표하지 않을 수 있음을 주의합니다.