基于面部表情的音乐成对偏好预测

推荐系统用户可以通过对项目的评价（如评分）或项目对的比较来表达偏好。本研究专注于音乐领域中成对偏好的获取。要求用户明确比较音乐（即在两首听过的曲目中哪首更受欢迎）需要一定的用户努力。因此，我们开发了一种新方法，通过分析用户在收听比较曲目时的面部表情来自动提取这些偏好。我们训练了一个预测器，使用从这些数据中提取的特征来推断用户的成对偏好。我们表明，该预测器的性能优于常用的基线方法，后者利用用户收听曲目的时长来推断成对偏好。此外，我们发现所提方法在不同人格用户之间的准确性存在差异，因此我们对训练模型进行了相应调整。我们的工作表明，通过引入一种低用户努力的偏好获取方法（尽管需要访问可能涉及隐私问题的面部表情信息），可以获得良好的成对音乐偏好预测准确性。