Dissertation/ Thesis
Προβολή σε EDS

Exploration of music collections with audio embeddings

Λεπτομέρειες βιβλιογραφικής εγγραφής
Τίτλος: Exploration of music collections with audio embeddings
Συγγραφείς: Tovstogan, Philip
Συνεισφορές: University/Department: Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
Thesis Advisors: Serra, Xavier, Bogdanov, Dmitry
Πηγή: TDX (Tesis Doctorals en Xarxa)
Στοιχεία εκδότη: Universitat Pompeu Fabra, 2022.
Έτος έκδοσης: 2022
Φυσική περιγραφή: 137 p.
Θεματικοί όροι: Music information retrieval, Music exploration, Music discovery, Deep learning, Auto-tagging, Dataset, Recommendation systems, Visualization, Interface, User study, Music similarity, Personal music collections, Nearest neighbors, Latent spaces, Content-based similarity, Collaborative filtering, Recuperació d'informació musical, Exploració musical, Descobriment musical, Aprenentatge profund, Etiquetatge automàtic, Conjunt de dades, Sistemes de recomanació, Visualització, Interfície, Estudis amb usuaris, Similitud musical, Col·leccions de música personals, Veïns propers, Espais latents, Similitud basada en contingut, Filtratge col·laboratiu
Περιγραφή: Music recommendation systems (RecSys) are integral to modern music streaming services. While there is much research on many aspects of RecSys, there is not enough research on exploration and discovery that contributes to long-term user retention. After conducting an anonymous survey, we identify that the exploration and rediscovery of the personal collections in particular needs improvement. To address this, we take advantage of music tags (genre, moods) and use deep auto-tagging systems to construct latent spaces. We investigate different architectures, datasets, layers, and projections and how they affect the perceived similarity of nearest neighbors. Finally, we present a novel web interface to visualize music collections using audio embeddings. We evaluate the proposed solution via semi-structured user interviews and conclude that it provides an excellent alternative to existing solutions. We believe that the contributions of this work enable more research and industry solutions for music exploration and discovery.
Description (Translated): Els sistemes de recomanació de música (RecSys) son una part integral de les actuals plataformes de música en streaming. Tot i que s'ha fet investigació sobre molts aspectes relacionats amb RecSys, encara falta investigació sobre l’exploració i el descobriment de continguts que permeti fidelitzar usuaris a llarg plaç. Després de realitzar un estudi preliminar, hem vist que existeix una manca d’eines per al re-descobriment de les col·leccions de música personals. Per abordar aquest problema, en aquesta tesi ens focalitzem en l’us d’etiquetes musicals sobre estil i mood i treballem en espais latents de dades entrenant predictors automàtics d'etiquetes basats en models d'aprenentatge profund (deep auto-tagging systems). Analitzem i comparem diferents arquitectures de xarxes neuronals, bases de dades, i diferents tècniques de projecció de dades per entendre com aquestes afecten al concepte de similaritat percebuda entre peces musicals que han estat projectades en punts propers dels espais latents. Finalment, mostrem una interfície web que hem desenvolupat per visualitzar i navegar col·leccions de música utilitzant els espais latents. Hem avaluat aquesta interfície a partir d’entrevistes semi estructurades i hem conclòs que la interfície proporciona una alternativa excel·lent als sistemes tradicionals de navegació de col·leccions musicals. Creiem que les contribucions d'aquesta tesi permeten que es desenvolupi més recerca i es creïn més aplicacions industrials per abordar el problema de l’exploració i descobriment de música.
Programa de doctorat en Tecnologies de la Informació i les Comunicacions
Τύπος εγγράφου: Dissertation/Thesis
Περιγραφή αρχείου: application/pdf
Γλώσσα: English
Σύνδεσμος πρόσβασης: http://hdl.handle.net/10803/675031
Rights: L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-sa/4.0/
Αριθμός Καταχώρησης: edstdx.10803.675031
Βάση Δεδομένων: TDX
FullText Text:
  Availability: 0
CustomLinks:
  – Url: http://hdl.handle.net/10803/675031#
    Name: EDS - TDX (ns324271)
    Category: fullText
    Text: View record in TDX
Header DbId: edstdx
DbLabel: TDX
An: edstdx.10803.675031
RelevancyScore: 1356
AccessLevel: 3
PubType: Dissertation/ Thesis
PubTypeId: dissertation
PreciseRelevancyScore: 1356.32153320313
IllustrationInfo
Items – Name: Title
  Label: Title
  Group: Ti
  Data: Exploration of music collections with audio embeddings
– Name: Author
  Label: Authors
  Group: Au
  Data: <searchLink fieldCode="AR" term="%22Tovstogan%2C+Philip%22">Tovstogan, Philip</searchLink>
– Name: Author
  Label: Contributors
  Group: Au
  Data: University/Department: Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
– Name: Author
  Label: Thesis Advisors
  Group: Au
  Data: Serra, Xavier<br />Bogdanov, Dmitry
– Name: TitleSource
  Label: Source
  Group: Src
  Data: TDX (Tesis Doctorals en Xarxa)
– Name: Publisher
  Label: Publisher Information
  Group: PubInfo
  Data: Universitat Pompeu Fabra, 2022.
– Name: DatePubCY
  Label: Publication Year
  Group: Date
  Data: 2022
– Name: PhysDesc
  Label: Physical Description
  Group: PhysDesc
  Data: 137 p.
– Name: Subject
  Label: Subject Terms
  Group: Su
  Data: <searchLink fieldCode="DE" term="%22Music+information+retrieval%22">Music information retrieval</searchLink><br /><searchLink fieldCode="DE" term="%22Music+exploration%22">Music exploration</searchLink><br /><searchLink fieldCode="DE" term="%22Music+discovery%22">Music discovery</searchLink><br /><searchLink fieldCode="DE" term="%22Deep+learning%22">Deep learning</searchLink><br /><searchLink fieldCode="DE" term="%22Auto-tagging%22">Auto-tagging</searchLink><br /><searchLink fieldCode="DE" term="%22Dataset%22">Dataset</searchLink><br /><searchLink fieldCode="DE" term="%22Recommendation+systems%22">Recommendation systems</searchLink><br /><searchLink fieldCode="DE" term="%22Visualization%22">Visualization</searchLink><br /><searchLink fieldCode="DE" term="%22Interface%22">Interface</searchLink><br /><searchLink fieldCode="DE" term="%22User+study%22">User study</searchLink><br /><searchLink fieldCode="DE" term="%22Music+similarity%22">Music similarity</searchLink><br /><searchLink fieldCode="DE" term="%22Personal+music+collections%22">Personal music collections</searchLink><br /><searchLink fieldCode="DE" term="%22Nearest+neighbors%22">Nearest neighbors</searchLink><br /><searchLink fieldCode="DE" term="%22Latent+spaces%22">Latent spaces</searchLink><br /><searchLink fieldCode="DE" term="%22Content-based+similarity%22">Content-based similarity</searchLink><br /><searchLink fieldCode="DE" term="%22Collaborative+filtering%22">Collaborative filtering</searchLink><br /><searchLink fieldCode="DE" term="%22Recuperació+d'informació+musical%22">Recuperació d'informació musical</searchLink><br /><searchLink fieldCode="DE" term="%22Exploració+musical%22">Exploració musical</searchLink><br /><searchLink fieldCode="DE" term="%22Descobriment+musical%22">Descobriment musical</searchLink><br /><searchLink fieldCode="DE" term="%22Aprenentatge+profund%22">Aprenentatge profund</searchLink><br /><searchLink fieldCode="DE" term="%22Etiquetatge+automàtic%22">Etiquetatge automàtic</searchLink><br /><searchLink fieldCode="DE" term="%22Conjunt+de+dades%22">Conjunt de dades</searchLink><br /><searchLink fieldCode="DE" term="%22Sistemes+de+recomanació%22">Sistemes de recomanació</searchLink><br /><searchLink fieldCode="DE" term="%22Visualització%22">Visualització</searchLink><br /><searchLink fieldCode="DE" term="%22Interfície%22">Interfície</searchLink><br /><searchLink fieldCode="DE" term="%22Estudis+amb+usuaris%22">Estudis amb usuaris</searchLink><br /><searchLink fieldCode="DE" term="%22Similitud+musical%22">Similitud musical</searchLink><br /><searchLink fieldCode="DE" term="%22Col·leccions+de+música+personals%22">Col·leccions de música personals</searchLink><br /><searchLink fieldCode="DE" term="%22Veïns+propers%22">Veïns propers</searchLink><br /><searchLink fieldCode="DE" term="%22Espais+latents%22">Espais latents</searchLink><br /><searchLink fieldCode="DE" term="%22Similitud+basada+en+contingut%22">Similitud basada en contingut</searchLink><br /><searchLink fieldCode="DE" term="%22Filtratge+col·laboratiu%22">Filtratge col·laboratiu</searchLink>
– Name: Abstract
  Label: Description
  Group: Ab
  Data: Music recommendation systems (RecSys) are integral to modern music streaming services. While there is much research on many aspects of RecSys, there is not enough research on exploration and discovery that contributes to long-term user retention. After conducting an anonymous survey, we identify that the exploration and rediscovery of the personal collections in particular needs improvement. To address this, we take advantage of music tags (genre, moods) and use deep auto-tagging systems to construct latent spaces. We investigate different architectures, datasets, layers, and projections and how they affect the perceived similarity of nearest neighbors. Finally, we present a novel web interface to visualize music collections using audio embeddings. We evaluate the proposed solution via semi-structured user interviews and conclude that it provides an excellent alternative to existing solutions. We believe that the contributions of this work enable more research and industry solutions for music exploration and discovery.
– Name: Abstract
  Label: Description (Translated)
  Group: Ab
  Data: Els sistemes de recomanació de música (RecSys) son una part integral de les actuals plataformes de música en streaming. Tot i que s'ha fet investigació sobre molts aspectes relacionats amb RecSys, encara falta investigació sobre l’exploració i el descobriment de continguts que permeti fidelitzar usuaris a llarg plaç. Després de realitzar un estudi preliminar, hem vist que existeix una manca d’eines per al re-descobriment de les col·leccions de música personals. Per abordar aquest problema, en aquesta tesi ens focalitzem en l’us d’etiquetes musicals sobre estil i mood i treballem en espais latents de dades entrenant predictors automàtics d'etiquetes basats en models d'aprenentatge profund (deep auto-tagging systems). Analitzem i comparem diferents arquitectures de xarxes neuronals, bases de dades, i diferents tècniques de projecció de dades per entendre com aquestes afecten al concepte de similaritat percebuda entre peces musicals que han estat projectades en punts propers dels espais latents. Finalment, mostrem una interfície web que hem desenvolupat per visualitzar i navegar col·leccions de música utilitzant els espais latents. Hem avaluat aquesta interfície a partir d’entrevistes semi estructurades i hem conclòs que la interfície proporciona una alternativa excel·lent als sistemes tradicionals de navegació de col·leccions musicals. Creiem que les contribucions d'aquesta tesi permeten que es desenvolupi més recerca i es creïn més aplicacions industrials per abordar el problema de l’exploració i descobriment de música.<br />Programa de doctorat en Tecnologies de la Informació i les Comunicacions
– Name: TypeDocument
  Label: Document Type
  Group: TypDoc
  Data: Dissertation/Thesis
– Name: Format
  Label: File Description
  Group: SrcInfo
  Data: application/pdf
– Name: Language
  Label: Language
  Group: Lang
  Data: English
– Name: URL
  Label: Access URL
  Group: URL
  Data: <link linkTarget="URL" linkTerm="http://hdl.handle.net/10803/675031" linkWindow="_blank">http://hdl.handle.net/10803/675031</link>
– Name: Copyright
  Label: Rights
  Group: Cpyrght
  Data: L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-sa/4.0/
– Name: AN
  Label: Accession Number
  Group: ID
  Data: edstdx.10803.675031
PLink https://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edstdx&AN=edstdx.10803.675031
RecordInfo BibRecord:
  BibEntity:
    Languages:
      – Text: English
    PhysicalDescription:
      Pagination:
        PageCount: 137
    Subjects:
      – SubjectFull: Music information retrieval
        Type: general
      – SubjectFull: Music exploration
        Type: general
      – SubjectFull: Music discovery
        Type: general
      – SubjectFull: Deep learning
        Type: general
      – SubjectFull: Auto-tagging
        Type: general
      – SubjectFull: Dataset
        Type: general
      – SubjectFull: Recommendation systems
        Type: general
      – SubjectFull: Visualization
        Type: general
      – SubjectFull: Interface
        Type: general
      – SubjectFull: User study
        Type: general
      – SubjectFull: Music similarity
        Type: general
      – SubjectFull: Personal music collections
        Type: general
      – SubjectFull: Nearest neighbors
        Type: general
      – SubjectFull: Latent spaces
        Type: general
      – SubjectFull: Content-based similarity
        Type: general
      – SubjectFull: Collaborative filtering
        Type: general
      – SubjectFull: Recuperació d'informació musical
        Type: general
      – SubjectFull: Exploració musical
        Type: general
      – SubjectFull: Descobriment musical
        Type: general
      – SubjectFull: Aprenentatge profund
        Type: general
      – SubjectFull: Etiquetatge automàtic
        Type: general
      – SubjectFull: Conjunt de dades
        Type: general
      – SubjectFull: Sistemes de recomanació
        Type: general
      – SubjectFull: Visualització
        Type: general
      – SubjectFull: Interfície
        Type: general
      – SubjectFull: Estudis amb usuaris
        Type: general
      – SubjectFull: Similitud musical
        Type: general
      – SubjectFull: Col·leccions de música personals
        Type: general
      – SubjectFull: Veïns propers
        Type: general
      – SubjectFull: Espais latents
        Type: general
      – SubjectFull: Similitud basada en contingut
        Type: general
      – SubjectFull: Filtratge col·laboratiu
        Type: general
    Titles:
      – TitleFull: Exploration of music collections with audio embeddings
        Type: main
  BibRelationships:
    HasContributorRelationships:
      – PersonEntity:
          Name:
            NameFull: Tovstogan, Philip
    IsPartOfRelationships:
      – BibEntity:
          Dates:
            – D: 12
              M: 07
              Type: published
              Y: 2022
ResultId 1