Automatic Music Playlist Continuation via Neighbor-based Collaborative Filtering and Discriminative Reweighting/Reranking

基本思想

本文的基本思想仍是基于KNN，计算两个播放列表的相似度，并利用更多可以tuning的超参数，并对结果进行重排、精排，达到的成绩也十分理想。

算法详解

Neighbor-based Collaborative Filtering for Binary Feedback

如果某个播放列表与给定播放列表u相似，且该播放列表包含音轨i，那么音轨i应该被推荐用来延续播放列表u，相似地，如果某个音轨与播放列表u已经包含的音轨相似，那么该音轨应该被推荐。这就是经典的协同过滤理论。
首先，为每个候选音轨i计算特征向量 $x_i\in \mathbb{R}^{|\mathcal{P}|}$

$(x_i)_{[v]}=\left\{ \begin{aligned} &\frac{|\mathcal{T}(u)\cap \mathcal{T}(v)|}{|\mathcal{T}(v)|^\alpha} & list \ v \ contains \ i, \\ &0 & else\\ \end{aligned} \right. \tag{1}$

$\mathcal{T}(u)$ 表示播放列表包含的所有音轨的集合， $|\mathcal{T}(u)\cap \mathcal{T}(v)|$ 用来衡量两个播放列表的重复度， $(x_i)_{[v]}$ 即为重复度占比。 $0 \leq \alpha \leq 1$ 作为超参数。

音轨i和j的相似度定义为：

$s_{ij}=\frac{(x_i)^Tx_j}{|\mathcal{P}(i)|^\beta|\mathcal{P}(j)|^{1-\beta}} \tag{2}$

$|\mathcal{P}(i)|$ 表示所有包含音轨i的播放列表集合， $0 \leq \beta \leq 1$ 仍是一个超参数。该式就是余弦相似度的魔改，相比直接计算 $x_i$ ， $x_j$ 的余弦相似度，因为分母只计算包含二者的集合，相当于去掉了噪声，

有了 $(2)$ 式就可以很容易计算出，音轨i和一整个播放列表的相似度：

$r_{ui}=\frac{1}{|\mathcal{T}(u)|}\sum_{j\in \mathcal{T}(u)}s_{ij} \tag{3}$

这样给定一个播放列表u，给它延续的时候就可以利用 $r_{ui}$ 给候选集排序。

Recommendations with Only Title Information

仅利用播放列表的名字进行推荐，与协同过滤的思想类似，如果某个播放列表与给定播放列表u的名字相似，那么该播放列表中的音轨应该别推荐给延续播放列表u。在对比名字之前，需要对名字进行预处理，也就是分词，去停用词，提取词干这些操作。另外，作者用了n-gram来扩大匹配的可能。

$s_{ig}=\frac{|\{u|u\in \mathcal{P}(i),g\in \mathcal{G}(u)\}|}{|\{u|u\in \mathcal{P}(i)\}|^\gamma} \tag{4}$

类似的，可以计算一对音轨i和播放列表u的分数，
$r_{ui}=\frac{1}{|\mathcal{G}(u)|}\sum_{g\in \mathcal{G}(u)}{s_{ig}} \tag{5}$

Discriminative Reweighting

对 $(3)$ 式进行修改，可以得到
$r_{ui}=s_{ui} \cdot [\frac{1}{\mathcal{T}(u)},\frac{1}{\mathcal{T}(u)},\ldots,\frac{1}{\mathcal{T}(u)}]^T \tag{6}$
可见在聚合时，权重都是相同的，因此，作者的重加权策略使用Sparse LInear Method（SLIM）的变体

Discriminative Reranking

从 $(2)$ 式可以看出，音轨之间的相似度，完全依赖于他们的在播放列表中的共现。作者增加了更多特征，来考虑对推荐列表重排序。

类别特征：音轨的URI、唱片、艺术家
word2vec特征，把每个音轨作为词、每个播放列表作为句子，做word2vec，但这仍然是音轨间的共现关系。
python difflib 计算各种相似度
MPD数据集的其他特征
构建这些特征后，将APC推荐看做二分类问题，给定一个音轨，判断它是否应该作为list的延续。作者使用了lightGBM，这一步就是打比赛常用的方法。

词汇

discriminative adj.有判别力
discriminatly adv.区别地
a wealth of 很多的,大量的

【论文详解】Automatic Music Playlist Continuation via Neighbor-based Collaborative Filtering and Discriminative Reweighting/Reranking