Signalbasierte musikalische Ähnlichkeitssuche im Praxiseinsatz
Authors: Matthias Eichner, Dirk Schönfuß
Abstract:
Musikempfehlungssysteme sind zu einem wertvollen Hilfsmittel geworden, um große Musiksammlungen zu verwalten und neue Musik zu entdecken. Die meisten Anbieter setzen dafür auf die Mitwirkung ihrer Nutzer. Im Folgenden möchten wir unsere Erfahrungen bei Entwicklung und Betrieb eines Musikempfehlungssystems vorstellen, dass auf inhaltsbasierten Daten basiert, welche mit Hilfe von Methoden der Signalverarbeitung gewonnen werden. Für die Ähnlichkeitssuche setzen wir dabei sowohl signalnahe Merkmale als auch semantische musikalische Eigenschaften ein, die mit Hilfe von Verfahren des maschinenbasierten Lernens ermittelt werden. Das resultierende System kann mit weiteren Datenquellen – z.B. Expertenannotationen oder nutzergenerierte Daten – ergänzt werden, liefert jedoch auch autark bereits sehr gute Ergebnisse. Um eine solche Technologie ausgehend vom Laborstatus so fortzuentwickeln, dass sie den Anforderungen einer Web-Anwendung mit einem Katalogbestand von mehreren Millionen Titeln genügt, waren jedoch große Herausforderungen zu bewältigen. Ein weiteres Thema sind Bedienkonzepte, die das Potential der inhaltsbasierten Technologie optimal nutzen und es dem Nutzer erlauben, seine eigene Sammlung oder große Katalogbestände auf intuitive Weise zu durchstöbern.