تولید لیست آهنگ دینامیک

براساس رفتار کاربر

مححققان یاد شده برای پیاده‌سازی ایده‌ی خود از شباهت‌های شنیداری استفاده کرده اند

پیش ازاین روش‌های متداول برای تولید لیست‌های موسیقی (Play Lists) مخلوط کردن تصادفی (Random Shuffle) یک محموعه از آهنگ‌ها (مانند آنچه در iPod وجود دارد) و یا انتخاب دستی آهنگ توسط شخص کاربر بود. «الیاس پَمپالک» (Elias Pampalk) ، «تیم پُل» (Tim Pohle) ، «گرهارد ویدمر» (Gerhard Widmer)، دانشجویان مؤسسه‌ی تحقیقاتِ هوش مصنوعی در «وین»ِ اتریش روش جدید برای تولید این لیست‌ها ارائه داده‌اند.

به گزارش سایت «کنفرانس بین‌المللی اطلاعات و بازیابی موسیقی» ISMIR2007 (International Conference On Music Information Retrieval) در این روش جدید ، در ابتدا یک لیست آهنگ به‌طور تصادفی ساخته می شود ، سپس بر اساس feedback کاربر (به‌طور مثال این‌که کاربر چه آهنگی را رد می‌کند و گوش نمی دهد) لیست آهنگ‌های مورد علاقه‌ی کاربر را می‌سازد. ایده‌ی این محققان در تولید لیست آهنگ‌های مورد علاقه‌ی کاربر، بدین ترتیب است که بر اساس آهنگ‌هایی که کاربر رد کرده و تمایلی برای شنیدن آن‌ها نداشته است، سایر آهنگ‌های موجود در مجوعه‌ که شباهتی با آهنگ رد شده دارند را حذف می‌کنند ، آنقدر این کار را انجام می‌دهند که در لیست نهایی، هیچ آهنگی رد نمی‌شود!

مححققان یاد شده برای پیاده‌سازی ایده‌ی خود از شباهت‌های شنیداری استفاده کرده اند ، یعنی آهنگ‌هایی که از نظر صدا و آوایی با آهنگ رد شده شباهت داشته‌اند را، از داخل مجموعه آهنگ‌ها پیدا و سپس حذف می‌کردند و آهنگ‌هایی که هیچ شباهتی به آن آهنگ نداشته‌اند را به مجموعه اضافه می‌کردند.

این محققان روش خود را به صورت ذهنی (Heuristic) (توضیح: Heuristic در واقع یک روشی است که یک راه اول اولیه ارائه می‌کند سپس آن را بهبود می‌دهد تا به مطلوب مورد نظر برسد) برای کاربردهای فرضی (Hypothetical Use case) مورد آزمایش قرار دادند، که در هر کاربرد فرض کردند کاربر رفتار خاصی دارد ، مثلاً یک کاربر همه‌ی آهنگ‌های یک هنرمند خاص را رد می‌کند. نتایج تحقیقات آنان نشان داد که شباهت شنیداری و یک روش ذهنی ساده (Simple Heuristic) می‌تواند به‌طرز قابل ملاحظه‌ای تعداد رد کردن‌ها را کاهش دهد.