發表在開放取用期刊《EPJ數據科學》（EPJ Data Science）的研究表明，與其他非主流音樂相比，音樂推薦系統對於硬搖滾和嘻哈樂迷給出的建議更不準確。

　　研究團隊比較了演算法生成的音樂推薦對主流和非主流音樂聽眾的精準度，他們使用音樂串流媒體平台Last.fm共4148名用戶的收聽紀錄數據，主流和非主流音樂樂迷各佔一半（每組2074人）。四種常見的音樂推薦演算法根據用戶最常收聽的音樂，預測他們可能喜歡的歌曲。結果發現，主流音樂樂迷獲得的音樂推薦似乎比非主流音樂樂迷來得更精準。

　　然後，科學家使用演算法根據用戶最常聽的音樂特徵，對樣本中的非主流音樂樂迷分類。這些群體包括：原音樂器演奏的人聲音樂（如民謠）、高能量音樂（如硬搖滾和嘻哈），原音樂器演奏但無人聲的音樂（如環境音樂），以及無人聲高能量音樂（如電子音樂）。研究團隊比較每組樂迷的收聽紀錄，並確定哪些用戶最有可能收聽偏愛類型以外的音樂，以及每組聆聽音樂類型的多樣性。

　　研究發現，經常聽環境音樂的人最可能也喜歡聽硬搖滾、民謠或電子音樂聽眾偏好的歌曲；經常聽高能量音樂的人則最不可能聽民謠、電子音樂或環境音樂聽眾偏好的歌曲，不過他們聽的音樂類型依然相當廣泛，從硬搖滾、龐克、創作型歌手乃至嘻哈音樂。

　　研究使用用戶的收聽歷史和模型來預測不同的非主流音樂群體，對於四種常見的音樂推薦演算法產生的音樂推薦的喜愛程度。研究者發現，經常聽高能量音樂的人得到的推薦最不準，而經常聽環境音樂的人得到的推薦最準。

　　該研究通訊作者伊莉莎白・萊克斯（Elisabeth Lex）說：「人們越來越常透過音樂串流媒體平台收聽音樂，音樂推薦系統在搜尋、排序和過濾音樂方面變得至關重要。我們的研究結果表明，大多數先進的音樂推薦技術可能無法為非主流樂迷提供精準的推薦。很可能是因為音樂推薦演算法偏向更流行的音樂，導致非主流音樂不太可能被演算法建議。」

　　她繼續補充說：「此外，研究結果表明，與常聽硬搖滾和嘻哈音樂的人相比，音樂推薦演算法更容易預測那些主要聽環境音樂的人的音樂喜好。」

　　研究者表明，這個發現可以協助改進音樂推薦系統，為非主流樂迷提供更準確的音樂推薦。不過他們也提醒，由於研究分析是根據Last.fm的部分樣本，因此結果無法代表Last.fm的用戶，也無法說明使用其他音樂串流媒體平台的所有樂迷。

原文出處：TechXplore