[번역/해석] music recommendation and discovery in the long tail (PhD_ocelma)_Chapter1
- 최초 등록일
- 2016.11.14
- 최종 저작일
- 2016.10
- 10페이지/
MS 워드
- 가격 2,500원
![할인쿠폰받기](/images/v4/document/ico_det_coupon.gif)
소개글
music recommendation and discovery in the long tail (PhD_ocelma) 의 원서 chapter 1의 번역/해석 문서입니다.
추천 시스템 관련 연구를 하시는 분들에게 유용한 문서이니 연구하시는데 도움이 됬으면 합니다.
*참고그림과 그래프등은 페이지수만 많이 차지하여 제거한 상태의 순수 텍스트로만 작성된 문서입니다.
참고그림과 그래프는 구글링 music recommendation and discovery in the long tail을 통해서 원서에서 쉽게 보실수 있습니다.
목차
1.1 Motivation
1.1.1 Academia
1.1.2 Industry
1.2 The Problem
1.3 The Solution
1.4 Summary of contributions
1.5 Thesis outline
본문내용
1.1 Motivation
최근 몇 년동안 전형적인 음악 소비 행동은 크게 변해왔다.
개인 음악 컬렉션은 네트워크, 스토리지, 디바이스의 휴대성 및 인터넷 서비스의 기술적 향상으로 성장했다.
노래의 수와 가용도는 덜 중요해졌다; 사용자들은 한번만 듣거나 아예 듣지 못한 많은 디지털 음악 파일들을 소유하는 것도 보통의 경우이다.
그 개인화된 사용자들의 컬렉션들의 순서를 생성하는 효율적인 방법뿐 아니라 그 컬렉션 안에 숨겨진 “보물”을 탐색하는 방법을 가정하는 것이 타당하고 그 사용자들의 음악 컬렉션들의 가치는 크게 상승할 것이다.
사용자들은 적합한 저장과 표시가 필요한 아주 큰 음악 컬렉션들을 소유한다.
디지털 수집에서 검색은 데이터 접근과 검색의 새로운 메소드를 만들어 낸다.
그러나 때로는 음성 컨텐츠 정보를 알려줄 파일 이름이나 메타데이터가 없다.
즉 음악 수집의 효과적인 탐색과 발견 방법이 충분하지 않다. 그때 사용자들은 디지털 수집에서 검색을 헤맨다.
게다가 웹은 점점 더 디지털 형태로 음악 제목의 고유 source가 되고 있다.
수천개의 웹사이트에서 수백개의 곡들을 가지고 정확한 노래들을 찾고새로운 음악 발매 정보를 잘 알게 되는 것은 문제가 된다.
디지털 음악 배포 측면에서 음악 검색과 개인화 개선방법들을 발견 할 필요가 있다.
artist, title, genre정보는 음악 소비자들이 그들이 좋아하는 음악의 발견을 돕는 기준들로만 되지 않을 수 있다.
이것은 문화 또는 사설 메타데이터를 사용, 또는 현재의 구매행위 데이터를 이용하여 얻어진다.
크게 탐색되지 않고 잠재적으로 흥미로운 요소는 social tagging을 통해 사용자들 커뮤니티에서 얻어지거나 자동으로 음악 파일에서 추출된 의미 설명을 사용하는 것이다.
이러한 모든 정보는 음악 추천에 사용되고 결합될 수 있다.
#social tagging#
오픈된 공간에서 사용자들이 컨텐츠에 자유롭게 태그를 생성하는 방식, 이러한 행위를 모두 포함한 Folksonomy가 생성
단순 분류가 아닌 컨텐츠를 바라보는 사용자 판단이 있기 때문에 오류가 있을지 몰라도 주목받고 있는 추세.
참고 자료
music recommendation and discovery in the long tail (PhD_ocelma)