Personlig DJ-musikafspilningsliste-algoritme matcher sange til lyttere, der skifter stemning

Forestil dig at have en discjockey inde i din computer, som matcher musikken, der spilles, til din nuværende sindsstemning. Ifølge ny forskning fra University of Texas i Austin, maskinlæring kan tilnærme den oplevelse ved at skabe ultrapersonlige musikafspilningslister, der tilpasser sig hver brugers skiftende humør.

Maytal Saar-Tsechansky, professor i information, Risiko, og Operations Management på McCombs School of Business, sammen med et par datalogiske forskere på universitetet, skabt en "personlig DJ". Med deres nye papir, "Den rigtige musik på det rigtige tidspunkt:Adaptive, personlige afspilningslister baseret på sekvensmodellering, " offentliggjort i MIS Kvartalsvis , deres mål er at udkonkurrere streamingmusiktjenester ved at lave afspilningslister, der ændrer sig i henhold til hver enkelts skift i følelser.

"Uanset om du sætter dig ind i bilen efter en lang dag med møder, eller du står ud af sengen en weekendmorgen, det bør skræddersy sine anbefalinger til dit skiftende humør, " siger Saar-Tsechansky.

Projektet startede som udtænkt af Elad Liebman, en ph.d. studerende i datalogi ved UT Austin, som også har en uddannelse i musikkomposition. Det program, han, Saar-Tsechansky, og UT Computer Science Professor Peter Stone designet kører en række feedback-loops. Den afprøver en sang, lytteren vurderer det, og programmet lægger vægt på den vurdering i valget af næste sang. "Så ændrer du modellen i overensstemmelse hermed, " siger Liebman.

Programmet tilpasser sig lytterens humør, overvejer ikke kun hvilke sange han eller hun vil nyde, men også i hvilken rækkefølge. Sange er organiseret intelligent, fører til en udtryksfuld, "DJ-lignende" sekvens, i stedet for en tilfældig, vilkårligt klingende.

Som en skakspiller, den planlægger sine træk 10 sange frem. Mens en sang afspilles, det genererer titusindvis af mulige sekvenser, og den forudsiger, hvilken der vil glæde lytteren mest. Den serverer den næste sang på den afspilningsliste - og mens sangen afspilles, den skaber og tester nye sekvenser.

I maskinlæring, mekanismen er kendt som en Monte Carlo-søgning - som inspirerede programmets navn:DJ-MC.

Programmet kunne tilpasses til andre former for medier, fra nyheder til videoer.

"Læringsalgoritmer har ikke smag, de har bare data, " siger Liebman. "Du kan erstatte datasættet med hvad som helst, så længe folk indtager det på samme måde."

Saar-Tsechansky går videre. "Det kan fungere i alle tilfælde, hvor du anbefaler ting til mennesker, opleves i en sekvens, " siger hun. "Det kunne endda være mad."