Нейросеть научилась определять «музыкальную искушенность» пользователей
Новости
Система угадывала эмоциональную активность людей во время прослушивания музыки с точностью до 95 %, а их «вовлеченность в музыкальный процесс» — до 93 %.
889 открытий900 показов
Исследователи из Университета Йёнчёпинга в Швеции и Маастрихтского университета в Нидерландах представили систему на нейросетях, которая использует психологические модели для анализа музыкальных предпочтений и способностей.
Алгоритм
Ученые использовали API Spotify для сбора данных о 61 пользователе. Они узнали время прослушивания композиций, их жанр, темп, громкость, популярность артистов и рейтинг треков. В специальной анкете участники эксперимента рассказали, какие эмоции испытывают во время прослушивания музыки, как себя ведут, сколько тратят денег на музыкальные сервисы. Исследователи сравнивали предсказания нейросети с данными анкеты. Алгоритм угадывал эмоциональную активность испытуемых с точностью в 95 %, а их «вовлечённость в музыкальный процесс» — до 93 %.
По словам учёных, психологические модели помогают лучше понять предпочтения пользователей музыкальных онлайн-сервисов. Например, если человек имеет разносторонние вкусы, то возрастает вероятность того, что он сам играет на каком-нибудь инструменте.
Развитие
В будущем команда планирует научить нейросеть определять уровень музыкальной подготовки пользователей и их вокальные данные.
В августе 2018 года энтузиаст из Великобритании Дэйв Лоуренс обучил алгоритм придумывать новые имена для звуков, а автор блога AIweirdness Джанель Шейн научила его подбирать названиям соответствия из базы с 16 тысячами звуковых эффектов BBC Sound Effects.
889 открытий900 показов