Алгоритмите не винаги вземат предвид черните овце в човешкото стадо, подозирахме го отдавна. Едно неприятно усещане остава, когато послушаш малко по-дълго препоръчана музика - рано или късно ти се предлага някое популярно в момента поп парче. Но сега вече е научно доказано:
Слушателите на високоенергийна музика като хард рок и хип-хоп могат да получават по-малко точни музикални препоръки от системите за препоръчване на музика, отколкото слушателите на друга музика, която не е мейнстрийм, според изследване, публикувано в списанието с отворен достъп EPJ Data Science.
Екип от изследователи от Техническия университет в Грац, Know-Center GmbH, Университета Йоханес Кеплер Линц, Университета в Инсбрук, Австрия и Университета в Утрехт, Холандия, сравниха колко точни са алгоритмично генерираните музикални препоръки за масовите и не-масовите слушатели на музика. Те използваха набор от данни, съдържащ историята на слушане на 4 148 потребители на платформата за стрийминг на музика Last.fm, които слушаха предимно не-основна музика или предимно основна музика (2 074 потребители във всяка група). Въз основа на най-често слушаните от потребителите на музика изпълнители, авторите използват изчислителен модел, за да предскажат колко вероятно е те да харесват музиката, препоръчана им от четири популярни алгоритми за препоръка на музика. Те открили, че слушателите на мейнстрийм музика изглежда са получавали по-точни музикални препоръки от слушателите на музика, която не е мейнстрийм.
След това изследователите разделили по категории не-масовите слушатели на музика в тяхната извадка въз основа на характеристиките на музиката, която най-често слушаха. В отделни групи били изследвани слушатели на музикални жанрове, съдържащи само акустични инструменти като фолк, слушатели на високоенергийна музика като хард рок и хип-хоп, слушатели на музика с акустични инструменти и без вокали като амбиент и слушатели на високоенергийни музика без вокали като електроника. Авторите сравнили историята на слушане на всяка група и идентифицирали кои потребители са най-склонни да слушат музика извън предпочитаните от тях жанрове и разнообразието от музикални жанрове, слушани във всяка група.
Установено е, че тези, които слушали музика като амбиент, най-често слушат и музика, предпочитана от слушателите на хард рок, фолк или електроника. Тези, които слушаха предимно високоенергийна музика, най-рядко слушали и музика, предпочитана от любителите на фолк, електроника или амбиент, но те слушаха най-голямото разнообразие от жанрове, например хард рок, пънк и хип-хоп.
Авторите са използвали историята на слушане на потребителите и изчислителен модел, за да предскажат колко вероятно е различните групи неслучайни слушатели на музика да харесват музикалните препоръки, генерирани от четирите често срещани алгоритми за музикални препоръки. Те открили, че тези, които слушали предимно високоенергийна музика, изглежда са получавали най-малко точни музикални препоръки, а тези, които са слушали предимно музика като амбиент, са получавали най-точните препоръки.
"Тъй като нарастващите количества музика стават достъпни чрез услуги за музикално стрийминг, системите за препоръка на музика стават от съществено значение за подпомагане на потребителите при търсене, сортиране и филтриране на обширни музикални колекции. Нашите открития показват, че много от най-съвременните техники за музикална препоръка може да не предоставят качествени препоръки за слушателите на музика, която не е мейнстрийм. Това може да се дължи на факта, че алгоритмите за музикална препоръка са пристрастни към по-популярната музика", казва Елизабет Лекс, автор на изследването.
"Освен това, резултатите ни показват, че музикалните предпочитания на тези, които предимно слушат музика като амбиент, могат да бъдат по-лесно предсказуеми от алгоритмите за музикални препоръки, отколкото предпочитанията на тези, които слушат музика като хард рок и хип хоп. Това означава, че те могат да получават по-добри музикални препоръки", допълва тя.
Авторите предполагат, че техните открития биха могли да информират за създаването на системи за музикални препоръки, които предоставят по-точни препоръки на не-масовите слушатели на музика. Те обаче предупреждават, че тъй като техните анализи се основават на извадка от потребители на Last.fm, техните констатации може да не са представителни за всички потребители на Last.fm или потребители на други платформи за стрийминг на музика.
