基于知识的音乐推荐：模型、算法和探索性搜索帕斯夸尔·利塞纳引用此版本：帕斯夸尔·利塞纳。基于知识的音乐推荐：模型、算法和探索性搜索。信息检索[cs.IR]。索邦大学，2019年。英语。NNT：2019SORUS614。电话：03368533HAL ID：电话-03368533https://theses.hal.science/tel-03368533提交日期：2021年HAL是一个多学科的开放存取档案馆，用于存放和传播科学研究论文，无论它们是否被公开。论文可以来自法国或国外的教学和研究机构，也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire博士学位论文部分满足索邦大学哲学博士学位的专业：数据科学基于知识的音乐推荐：模型、算法和探索性搜索帕斯夸尔·利塞纳辩护计划于2019年10月11日进行，之前的委员会包括：评论家Michel BUFFA，蓝色海岸大学，INRIA，Sophia Antipolis，法国评论家Mounia LALMAS，Spotify，伦敦大学学院，英国评论家Gaël RICHARD，法国巴黎意大利巴里理工大学Tommaso DI NOIA审查员Pietro MICHIARDI，EURECOM，Sophia Antipolis，法国论文主任Benoit HUET，EURECOM，Sophia Antipolis，法国论文联合主任RaphäelTRONCY，EURECOM，Sophia Antipolis，法国献给我的家人i确认书首先，我想真诚地感谢我的顾问拉斐尔·特罗尼，感谢他强烈希望我开始这个博士学位，感谢他指导和指导我的研究，感谢他不断地赋予我的工作价值和重要性，感谢他与我分享目标和责任。我想感谢我的研究小组成员的反馈和合作，特别是Enrico Palumbo，他与我分享了这次旅行的大部分时间。向DOREMUS项目的成员提供了一份确认书，与他们一起工作是一种乐趣。我还要感谢阿姆斯特丹VU的研究小组，他们在2019年初以充满活力的研究环境欢迎我，特别是Frank vanHarmelen、Albert Meroño Peñuela和Ilaria Tiddi。我特别感谢EURECOM的所有同事，他们为创造一个愉快的工作环境做出了贡献，并特别感谢那些在法国成为我真正朋友的人。最后，我要感谢我的父母，感谢他们一直支持我，让我成为我生命中的一个里程碑。我想感谢我的祖父帕斯夸尔，我的第一个支持者，他是我动力的源泉最后，我非常感谢瓦莱里娅，感谢她有机会住在我身边，感谢她帮助、支持、激励和鼓励我。索菲亚安提波利斯，2019年10月11日帕斯夸尔·利塞纳iii摘要表示有关音乐的信息是一项涉及不同子任务的复杂活动。本文主要关注古典音乐，研究如何表示和利用丰富的元数据。 我们的主要目标是研究应用于古典音乐的知识表示和发现策略，包括知识库人口、元数据预测和推荐系统等研究主题。我们首先提出了一个使用语义Web技术管理音乐元数据的完整工作流 我们介绍了一个专门的本体论和一套受控的词汇表的各种概念，具体到音乐。然后，我们提出了一种数据转换方法，以超越目前使用的库实践，依赖于映射规则并与受控词汇表互连最后，我们将展示如何利用这些数据。特别是，我们研究了基于嵌入的方法，计算结构化的元数据，标题，和符号音乐的排名和推荐音乐。已经进行了几个演示应用程序来测试以前的方法和资源。v缩写表示 本文主要研究古典音乐，并研究如何表现和利用这些信息。主要目标是研究应用于古典音乐的知识表示和发现策略，如知识库的生成、元数据生成预测和推荐系统等领域。首先，我们提出了一个使用语义网技术管理音乐元数据的我们引入了一个专门的本体和一组受控的词汇表，用于不同的音乐特定概念然后，我们提出了一种数据转换方法，以超越目前使用的图书馆实践，依靠匹配规则和与受控词汇表的互连。最后，我们展示了如何利用这些数据 特别是，我们正在研究基于结构化元数据、标题和符号音乐的计算嵌入的方法来对音乐进行分类和推荐。已经进行了几次演示应用，以测试所产生的方法和资源vii内容。确认书我摘要iii.图列表十一表列表十三1引言11.1动机。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...11.1.1基于轨道的方法与基于工作的方法。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...31.1.2在线古典音乐元数据的状态。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...41.1.3为什么推荐古典音乐。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...61.2研究背景：DOREMUS项目... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...71.3研究问题。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ...91.4投稿摘要。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...91.5论文大纲。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ...10我建立了一个音乐图表112相关工作152.1语义网中的知识表示... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...152.2文献中的音乐本体论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...162.2.1Schema.org。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...18内容。viii2.3语义网中的数字图书馆。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...192.3数据访问。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...202.5结论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...... ... ... ... ... ... ... ... ...223 音乐模特233.1多瑞姆斯本体论。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...233.2映射到Schema.org。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...263.2.1选择起始节点。... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...28ix3.2.2识别类似类别283.2.3识别类似属性293.2.4简化图表293.2.5映射的限制313.3评估323.4结论334音乐控制词汇元数据374.1音乐词汇384.1.1相互关联词汇集394.1.2新词汇414.2建模过程424.2.1词汇表对齐434.3字符串2词汇表444.4结论455数据转换475.1MARC和图书管理员实践485.2从MARC到RDF505.3一组相互关联的图535.4结论546开发智能Web API576.1动机586.2相关工作606.3JSON查询语法616.3.1原型定义636.3.2根$-属性646.4执行情况656.4.1与GRLC和Tapas66集成6.5评估686.5.1定量评估686.5.2用户调查696.6结论和今后的工作71第二章利用音乐知识73内容。x7相关工作777.1音乐推荐和元数据777.2推荐系统和知识图78内容。7.3建议使用嵌入式797.4基于背景的建议807.5MIR80的象征性音乐7.6结论818嵌入和相似性838.1功能嵌入848.1.1音乐嵌入858.1.2年份和地点嵌入868.2嵌入式组合888.3与惩罚的欧几里得相似性898.4结论919播放列表和重量939.1真实世界数据：音乐会和播放列表9.1.1数据集描述949.1.2播放列表内的均匀性维度969.2播放列表权重排名1009.3评价1009.4结论和今后的工作1029.5播放列表标题的作用：Title2Rec1029.5.1算法1039.5.2优化1049.5.3成果和未来工作1069.6播放列表情绪的作用1069.6.1歌曲歌词中的情感1079.6.2播放列表分类10810 探索11110.1 使用OVERTURE111探索音乐图10.2 在城市中发现音乐：CityMUS11310.2.1 路径查找和评分11410.2.2 CityMUS应用程序11510.3 音乐聊天机器人11610.4 结论118xi11 学习MIDI嵌入式11911.1 学习嵌入12011.1.1 MIDI至图形12011.1.2 矢量图12211.2 评估12211.2.1 性别预测12211.2.2 元数据预测12411.3 结论和未来工作12612 结论12912.1 研究总结12912.2 第一个含义13112.3 局限性和进一步的展望134出版物列表137法文摘要14112.1 引言14112.2 用于表示音乐数据的模型14212.2.1 Doremus本体14312.2.2 音乐元数据的受控词汇表14312.3 数据转换14512.3.1 从MARC到RDF14512.3.2 处理异构格式14612.3.3 处理复杂的请求14712.4 探索和建议14712.4.1 复杂性的可视化14812.4.2 用于相似性计算的图嵌入14812.5 分析古典音乐播放列表14912.6 结论150参考书目171xi图列表1.1贝多芬的《1.2贝多芬的《data.bnf.fr1.3Google关于音乐的知识面板1.4Google关于音乐流派的知识面板71.5Spotify开发者工具关于Bach82.1FRBR图173.1FRBRoo24中的三重模式3.2DOREMUS模型：完整方案263.3DOREMUS模型：性能273.4多雷默斯模型：贝多芬的3.5贝多芬奏鸣曲Schema.org3.6贝多芬奏鸣曲"准幻想曲"的图形描述通过 30 3.7联合查询示例.......................................335.1法国广播电台档案48中的手写记录5.2UNIMARC记录的摘录........................................................................................................... 485.3映射规则示例515.4marc2rdf应用程序架构525.5转换器为每个数据源生成单独的图6.1SPARQL查询和输出示例596.2SPARQL Transformer Playground63的用户界面6.3SPARQL Transformer66的应用方案6.4Tapas界面的屏幕截图678.1特征嵌入生成方案868.22DMOP和流派嵌入图878.3部分嵌入组合方案89xii图列表9.1播放列表中艺术家的内部和之间差异9.2播放列表中作品内部和之间方差的平方根9.3第2Rec章：第104代9.4Title2Rec：推荐算法。..................................................................................................................... 1059.5播放列表情绪：神经网络混乱矩阵10810.1 OVERTURE112的应用方案10.2 OVERTURE：高级搜索11310.3 OVERTURE：工作细节11410.4 CityMUS应用程序11610.5 DOREMUS聊天机器人：应用程序模式11711.1 MIDI图形方案12011.2 SLAC数据集的混淆矩阵。................................................................................................................ 12311.3 Muse数据集的混淆矩阵12412.1 在爱乐现场133中推荐12.2 贝多芬的xiii表列表1.1流行音乐与古典音乐的区别23.1模型评估：问题335.1数据来源：数字和格式475.2DOREMUS知识图：内容概述6.1支持的根$-属性656.2SPARQL和JSON查询之间的结果数量和执行时间差异。对于每个查询，还报告了所请求变量的数量...................................................................................................................................................696.3SPARQL Transformer：用户调查结果708.1相似性测量：一些结果9.1关于数据集的统计数据969.2播放列表之间/播放列表内的方差比9.3播放列表之间/播放列表内的方差比9.4排名评估得分1019.5Title2Rec和合奏106的结果9.6情绪播放列表：MoodyLyrics4Q108的准确性结果11.1 类型分类的准确性12311.2 元数据分类的准确性12512.1 资源和工具的链接13212.2 对 于每 个问 题类 别， 我 们提 供了 可理解的人类语言 查询的数量成功转换为DOREMUS查询的查询的数量以及当查询提交给DOREMUS时产生至少一个结果的查询终点147
我的内容管理
展开
