Skip to main content
Disciplines
Automotive Business IT + Informatics Construction + Real Estate Electrical Engineering + Electronics Energy + Sustainability Insurance + Risk Finance + Banking Management + Leadership Marketing + Sales Mechanical Engineering + Materials
Events
DE
EN
Books
Journals
Topic Page
Marketing
Start single access now
Access for companies
EXTENDED SEARCH
Log in
Top
Published in:
Funktionale Musik Read chapter Read first chapter

2017 | OriginalPaper | Chapter

Empfehlungssysteme, automatische Erzeugung von Wiedergabelisten und Musikdatenbanken

Authors : Dietmar Jannach, Lukas Lerche, Geoffray Bonnin

Published in: Handbuch Funktionale Musik

Publisher: Springer Fachmedien Wiesbaden

Log in

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Die passende Musik für einen gewünschten Anwendungszweck auszuwählen, etwa für eine Wiedergabeliste für Hintergrundmusik oder als Untermalung in einem Werbespot, ist aufgrund von verschiedensten Anforderungen und der schieren Menge an verfügbaren Stücken ein aufwändiger Prozess. Es existieren zahlreiche Kriterien, beispielsweise Metadaten, aber auch die Beschaffenheit der Musik selbst, anhand derer ein Stück charakterisiert werden kann. Mithilfe von Empfehlungssystemen – speziellen Algorithmen, die Elemente anhand festgelegter Kriterien auswählen können – lässt sich dieser Prozess vereinfachen und teilweise automatisieren. Ihre Daten beziehen solche Systeme oft aus sogenannten Musikdatenbanken, die Informationen über Musikstücke aggregieren und kategorisieren, und damit die Möglichkeit bieten, Titel nach verschiedenen Kriterien zu finden, dem Anwendungszweck gemäß auszuwählen und oft auch direkt zu erwerben oder abzuspielen. In diesem Kapitel wird das Problem der automatisierten Erstellung von Wiedergabelisten charakterisiert sowie algorithmische Ansätze im Überblick vorgestellt. Anschließend wird eine Übersicht über aktuelle Online-Musikdatenbanken gegeben.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

inform now
previous chapter Technische Grundlagen der Beschallung von Räumen
next chapter Musik in der Werbung
Footnotes
1
Vgl. Handwörterbuch der musikalischen Terminologie (HmT) (1994)
 
2
Vgl. Bullerjahn 2001.
 
3
Vgl. Eggebrecht 1995.
 
5
Unter dem Begriff „Musikdatenbanken“ werden zuweilen auch Softwareanwendungen verstanden, welche es erlauben, private bzw. lokale Musiksammlungen zu strukturieren. Diese Anwendungen stehen nicht im Fokus dieses Abschnittes.
 
6
Engl.: „sequence of tracks“.
 
7
Vgl. Baccigalupo und Plaza 2006; Knees et al. 2006; Baccigalupo 2009; McFee und Lanckriet 2011; Hariri et al. 2012.
 
8
Engl.: „shuffle“.
 
9
Vgl. Cunningham et al. 2006.
 
10
Vgl. Cliff 2006.
 
11
Der Begriff „Track“ wird im weiteren Text synonym mit dem Wort Musikstück verwendet.
 
12
Vgl. Dias und Fonseca 2010.
 
13
Vgl. Blum et al. 1999; Pohle et al. 2005; Tzanetakis 2002.
 
14
Vgl. Schmädecke und Blume 2013.
 
15
Vgl. van Gulik und Vignoli 2005; Pachet et al. 2000; Aizenberg et al. 2012; Bogdanov und Herrera 2011; Coelho et al. 2013.
 
16
Vgl. Celma 2010; Lee und Cho 2011.
 
17
Vgl. McDermott 2012.
 
18
Vgl. Celma 2010.
 
19
Vgl. Germain und Chakareski 2013.
 
20
Vgl. McFee and Lanckriet 2012
 
21
Vgl. Hu und Ogihara 2011.
 
22
Vgl. Logan 2002; Flexer et al. 2008.
 
23
Vgl. Pachet et al. 2000; Reddy und Mascia 2006; Sandvold et al. 2006.
 
24
Vgl. Biehl et al. 2006.
 
25
Vgl. Cliff 2006.
 
26
Vgl. Logan 2004; Knees et al. 2006; Fields et al. 2008.
 
27
Vgl. Slaney und White 2007.
 
28
Vgl. Jannach et al. 2011.
 
29
Vgl. Chedrawy und Abidi 2009.
 
30
Vgl. Bonnin und Jannach 2013.
 
31
Vgl. Crampes et al. 2007; Chen et al. 2012.
 
32
Vgl. Hariri et al. 2012.
 
33
Vgl. McFee und Lanckriet 2011.
 
34
Vgl. Chen et al. 2012; Moore et al. 2012; McFee und Lanckriet 2012.
 
35
Vgl. Zheleva et al. 2010.
 
36
Vgl. Alghoniemy und Tewfik 2000; Pachet et al. 2000.
 
37
Vgl. Pauws et al. 2008.
 
38
Vgl. Burke 2002; Jannach et al. 2011.
 
39
Vgl. McFee und Lanckriet 2011.
 
40
Vgl. Hariri et al. 2012.
 
41
Vgl. Meyers 2007.
 
42
Vgl. Domingues et al. 2012; Lampropoulos et al. 2012.
 
43
Vgl. Slaney und White 2006.
 
44
Vgl. Sarroff und Casey 2012.
 
45
Vgl. Cunningham et al. 2006.
 
46
Vgl. Hansen und Golbeck 2009; Andric und Haus 2005.
 
47
Vgl. Reynolds et al. 2008.
 
48
Vgl. Lee et al. 2011; Kamalzadeh et al. 2012.
 
49
Vgl. Barrington et al. 2009.
 
50
Vgl. Bosteels et al. 2009.
 
51
Vgl. Pohle et al. 2005; Knees et al. 2006; Flexer et al. 2008; Dopler et al. 2008.
 
52
Vgl. Slaney und White 2006, 2007; Lee et al. 2011; Kamalzadeh et al. 2012.
 
53
Vgl. McFee und Lanckriet 2011.
 
54
Vgl. McFee und Lanckriet 2011; Chen et al. 2012; Moore et al. 2012.
 
55
Vgl. Vatolkin et al. 2011.
 
56
Vgl. Pohle et al. 2005; Knees et al. 2006; Cai et al. 2007.
 
57
Vgl. Hilliges et al. 2006; Baur et al. 2010; Pauws und van de Wijdeven 2005.
 
58
Vgl. Mit Stand Januar 2017 ist der Zugriff auf die Daten eingeschränkt. Teile der Informationen können über die API von Spotify abgerufen werden.
 
60
Eine Liste findet sich auf der englischsprachigen Wikipedia-Seite http://​en.​wikipedia.​org/​wiki/​List_​of_​online_​music_​databases. Zugegriffen am 08.01.2017, wobei hier auch Dienste aufgelistet sind, die üblicherweise nicht primär als Musikdatenbanken verstanden werden (McGrady 2015).
 
63
Vgl. Das Service von last.fm wurde seit dem Jahr 2015 weitgehend verändert und es sind mit Stand Januar 2017 nicht alle hier genannten Funktionen mehr verfügbar.
 
65
Vgl. Dörr et al. 2013.
 
67
Vgl. Zentner 2006.
 
69
Vgl. Hess und Ünlü 2004.
 
70
Vgl. Sinha et al. 2010.
 
72
Vgl. https://​www.​riaa.​com/​reports/​. Zugegriffen am 08.01.2017.
 
74
Vgl. Dörr et al. 2013.
 
78
Vgl. Anderson 2009.
 
Literature
Aizenberg N, Koren Y, Somekh O (2012) Build your own music recommender by modeling internet radio streams. In: WWW ’12 – Proceedings of the 21st International Conference on World Wide Web, S 1–10
Alghoniemy M, Tewfik AH (2000) User-defined music sequence retrieval. In: Multimedia ’00 – Proceedings of the Eighth ACM International Conference on Multimedia, S 356–358
Anderson C (2009) Free – the future of a radical price. Random House, London
Andric A, Haus G (2005) Estimating quality of playlists by sight. In: Proceedings of the 1st International Conference on Automated Production of Cross Media Content for Multi-channel Distribution, S 68–74
Baccigalupo CG (2009) Poolcasting: an intelligent technique to customise musical programmes for their audience. Dissertation, Universitat Autònoma de Barcelona
Baccigalupo CG, Plaza E (2006) Case-based sequential ordering of songs for playlist recommendation. In: ECCBR ’06 – Proceedings of the 8th European Conference on Advances in Case-based Reasoning, S 286–300
Barrington L, Reid O, Lanckriet G (2009) Smarter than genius? Human evaluation of music recommender systems. In: ISMIR ’09 – Proceeding of the 2009 International Symposium on Music Information Retrieval, S 357–362
Baur D, Boring S, Butz A (2010) Rush: repeated recommendations on mobile devices. In: IUI ’10 – Proceedings of the 15th International Conference on Intelligent User Interfaces, S 91–100
Biehl JT, Adamczyk PD, Bailey, BP (2006) DJogger: a mobile dynamic music device. In: CHI ’06 – Proceedings of the 2006 Conference on Human Factors in Computing Systems, S 556–561
Blum TL, Keislar DF, Wheaton JA, Wold EH (1999) Method and article of manufacture for content-based analysis, storage, retrieval, and segmentation of audio information. US Patent 5,918,223
Bogdanov D, Herrera P (2011) How much metadata do we need in music recommendation? A subjective evaluation using preference sets. In: ISMIR ’11 – Proceedings of the 2011 International Symposium on Music Information Retrieval, S 97–102
Bonnin G, Jannach D (2013) Evaluating the quality of playlists based on hand-crafted samples. In: ISMIR ’13 – Proceedings of the 2013 International Symposium on Music Information Retrieval, S 263–268
Bonnin G, Jannach D (2014) Automated generation of music playlists: survey and experiments. ACM Computing Surveys 47(2): 1–35
Bosteels K, Pampalk E, Kerre EE (2009) Evaluating and analysing dynamic playlist generation heuristics using radio logs and fuzzy set theory. In: ISMIR ’09 – Proceedings of the 2009 International Symposium on Music Information Retrieval, S 351–356
Bullerjahn C (2001) Grundlagen der Wirkung von Filmmusik. Wißner Verlag, Augsburg
Burke R (2002) Hybrid recommender systems: survey and experiments. User Modeling and User-Adapted Interaction 12:331–370CrossRef
Cai R, Zhang C, Zhang L, Ma WY (2007) Scalable music recommendation by search. In: Multimedia ’07 – Proceedings of the Eighth ACM International Conference on Multimedia, S 1065–1074
Chedrawy Z, Raza Abidi SS (2009) A web recommender system for recommending. Predicting and personalizing music playlists. In: WISE ’09 – Proceedings of the 2009 International Conference on Web Information Systems Engineering, S 335–342
Chen S, Moore JL, Turnbull D, Joachims T (2012) Playlist prediction via metric embedding. In: KDD ’12 – Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, S 714–722
Cliff D (2006) hpDJ: an automated DJ with floorshow feedback. Consuming music together. S 241–264
Coelho F, Devezas J, Ribeiro C (2013) Large-scale crossmedia retrieval for playlist generation and song discovery. In: OAIR ’13 – Proceedings of the 10th Conference on Open Research Areas in Information Retrieval, S 61–64
Crampes M, Villerd J, Emery A, Ranwez S (2007) Automatic playlist composition in a dynamic music landscape. In: SADPI ’07 – Proceedings of the 2007 International Workshop on Semantically Aware Document Processing and Indexing, S 15–20
Cunningham S, Bainbridge D, Falconer A (2006) „More of an art than a science“: supporting the creation of playlists and mixes. In: ISMIR ’06 – Proceedings of the 2006 International Symposium on Music Information Retrieval, S 240–245
Dias R, Fonseca MJ (2010) MuVis: an application for interactive exploration of large music collections. In: MM ’10 – Proceedings of the 2010 International Conference on Multimedia, S 1043–1046
Domingues MA, Gouyon F, Jorge AM, Lea JP, Vinagre J, Lemos L, Sordo M (2012) Combining usage and content in an online music recommendation system for music in the long-tail. In: WWW ’12 – Proceedings of the 21st International Conference on World Wide Web, S 925–930
Dopler M, Schedl M, Pohle T, Knees P (2008) Accessing music collections via representative cluster prototypes in a hierarchical organization scheme. In: ISMIR ’08 – Proceedings of the 2008 International Symposium on Music Information Retrieval, S 179–184
Dörr J, Wagner T, Benlian A, Hess T (2013) Music as a Service: Eine Alternative für Musikpiraten? Eine empirische Untersuchung zur Nutzungsintention von Streaming-Services für Musik. Wirtschaftsinformatik 55:377–393CrossRef
Eggebrecht HH (1995) Terminologie der Musik im 20. Jahrhundert. Franz Steiner Verlag, Wiesbaden
Fields B, Rhodes C, Casey M, Jacobson K (2008) Social playlists and bottleneck measurements: exploiting musician social graphs using content-based dissimilarity and pairwise maximum flow values. In: ISMIR ’08 – Proceedings of the 2008 International Symposium on Music Information Retrieval, S 559–564
Flexer A, Schnitzer D, Gasser M, Widmer G (2008) Playlist generation using start and end songs. In: ISMIR ’08 – Proceedings of the 2008 International Symposium on Music Information Retrieval, S 173–178
Germain A, Chakareski J (2013) Spotify Me: Facebook-assisted automatic playlist generation. In: MMSP ’13 – Proceedings of the 15th International Workshop on Multimedia Signal Processing, S 25–28
Handwörterbuch der musikalischen Terminologie (HmT), Staatliches Institut für Musikforschung, 22. Auslieferung (1994)
Hansen DL, Golbeck J (2009) Mixing it up: recommending collections of items. In: CHI ‘09 – Proceedings of the 2009 SIGCHI Conference on Human Factors in Computing Systems, S 1217–1226
Hariri N, Mobasher B, Burke R (2012) Context-aware music recommendation based on latent topic sequential patterns. In: RecSys ’12 – Proceedings of the Sixth ACM Conference on Recommender Systems, S 131–138
Hess T, Ünlü V (2004) Systeme für das Management digitaler Rechte. Wirtschaftsinformatik 46:273–280CrossRef
Hilliges O, Holzer P, Klüber K, Butz A (2006) AudioRadar: a metaphorical visualization for the navigation of large music collections. In: Proceedings of the 2006 International Symposium on Smart Graphics, S 82–92
Hu Y, Ogihara M (2011) Next one player: a music recommendation system based on user behavior. In: ISMIR ’11 – Proceedings of the 2011 International Symposium on Music Information Retrieval, S 103–108
Jannach D, Zanker M, Felfernig A, Friedrich G (2011) Recommender systems – an introduction. Cambridge University Press, New York
Kamalzadeh B, Baur D, Möller T (2012) A survey on music listening and management behaviours. In: ISMIR ’12 – Proceedings of the 2012 International Symposium on Music Information Retrieval, S 373–378
Knees P, Pohle T, Schedl M, Widmer G (2006) Combining audio-based similarity with Web-based data to accelerate automatic music playlist generation. In: MIR ’06 – Proceedings of the 8th ACM International Workshop on Multimedia Information Retrieval, S 147–154
Lampropoulos AS, Sotiropoulos D, Tsihrintzis GA (2012) Evaluation of a cascade hybrid recommendation as a combination of one-class classification and collaborative filtering. In: ICTAI ’12 – Proceedings of the 2012 I.E. 24th International Conference on Tools with Artificial Intelligence, S 674–681
Lee K, Cho M (2011) Mood classfication from musical audio using user group-dependent models. In: ICMLA ’11 – Proceedings of the 10th International Conference on Machine Learning and Applications and Workshops, S 130–135
Lee JH, Bare B, Meek G (2011) How similar is too similar? Exploring users’ perceptions of similarity in playlist evaluation. In: ISMIR ’11 – Proceedings of the 2011 International Symposium on Music Information Retrieval, S 109–114
Logan B (2002) Content-based playlist generation: exploratory experiments. In: ISMIR ’02 – Proceedings of the 2002 International Symposium on Music Information Retrieval, S 295–296
Logan B (2004) Music recommendation from song sets. In: ISMIR ’04 – Proceedings of the 2004 International Symposium on Music Information Retrieval, S 425–428
McDermott J (2012) Auditory preferences and aesthetics: music, voices, and everyday sounds. In: Neuroscience of performance and choice. Academic, San Diego, S 227–256CrossRef
McFee B, Lanckriet GRG (2011) The natural language of playlists. In: ISMIR ’11 – Proceedings of the 2011 International Symposium on Music Information Retrieval, S 537–542
McFee B, Lanckriet GRG (2012) Hypergraph models of playlist dialects. In: ISMIR ’12 – Proceedings of the 2012 International Symposium on Music Information Retrieval, S 343–348
Meyers OC (2007) A mood-based music classification and exploration system. Master’s thesis, Massachusetts Institute of Technology
Moore JL, Chen S, Joachims T, Turnbull D (2012) Learning to embed songs and tags for playlist prediction. In: ISMIR ’12 – Proceedings of the 2012 International Symposium on Music Information Retrieval, S 349–354
Pachet F, Roy P, Cazaly D (2000) A combinatorial approach to content-based music selection. Multimedia 7:44–51CrossRef
Pauws S, van deWijdeven S (2005) User evaluation of a new interactive playlist generation concept. In: ISMIR ’05 – Proceedings of the 2005 International Symposium on Music Information Retrieval, S 638–643
Pauws S, Verhaegh W, Vossen M (2008) Music playlist generation by adapted simulated annealing. Inf Sci 178:647–662CrossRef
Pohle T, Pampalk E, Widmer G (2005) Generating similarity-based playlists using traveling salesman algorithms. In: DAFx ’05 – Proceedings of the 2005 International Conference on Digital Audio Effects, S 220–225
Reddy S, Mascia J (2006) Lifetrak: music in tune with your life. In: Proceedings of the 1st ACM International Workshop on Human-centered Multimedia, S 25–34
Reynolds G, Barry D, Burke T, Coyle E (2008) Interacting with large music collections: towards the use of environmental metadata. In: ICME ’08 – Proceedings of the 2008 International Congress on Mathematical Education, S 989–992
Sandvold V, Aussenac T, Celma O, Herrera P (2006) Good vibrations: music discovery through personal musical concepts. In: ISMIR ’06 – Proceedings of the 2006 International Symposium on Music Information Retrieval, S 322–323
Sarroff AM, Casey M (2012) Modeling and predicting song adjacencies. In: Commercial albums. SMC ’12 – Proceedings of the 9th Sound and Music Computing Conference, S 364–371
Schmädecke I, Blume H (2013) High performance hardware architectures for automated music classification. In: Algorithms from and for nature and life. Springer, Cham, S 539–547CrossRef
Sinha RK, Machado FS, Sellman C (2010) Don’t think twice, it’s all right: music piracy and pricing in a DRM-free environment. J Mark 74:40–54CrossRef
Slaney M, White W (2006) Measuring playlist diversity for recommendation systems. In: AMCMM ’06 – Proceedings of the 1st ACM Workshop on Audio and Music Computing Multimedia, S 77–82
Slaney M, White W (2007) Similarity based on rating data. In: ISMIR ’07 – Proceedings of the 2007 International Symposium on Music Information Retrieval, S 479–484
Tzanetakis G (2002) Manipulation, analysis and retrieval systems for audio signals. Dissertation, Princeton University
van Gulik R, Vignoli F (2005) Visual playlist generation on the artist map. In: ISMIR ’05 – Proceedings of the 2005 International Symposium on Music Information Retrieval, S 520–523
Vatolkin I, Preuß M, Rudolph G (2011) Multi-objective feature selection in music genre and style recognition tasks. In: GECCO ’11 – Proceedings of the 13th Annual Conference on Genetic and Evolutionary Computation, S 411–418
Zentner A (2006) Measuring the effect of file sharing on music purchases. J Law Econ 49:63–90CrossRef
Zheleva E, Guiver J, Mendes Rodrigues E, Milić-Frayling N (2010) Statistical models of music-listening sessions in social media. In: WWW ’10 – Proceedings of the 2010 International Conference on World Wide Web, S 1019–1028
Bonnin G, Jannach D (2014) Automated generation of music playlists: survey and experiments. ACM Computing Surveys 47(2): 1–35. Die Arbeit klassifiziert aktuelle Forschungsansätze zur automatischen Erzeugung von Playlisten, stellt Methoden zur Qualitätsbestimmung dar und zieht einen quantitativen Vergleich typischer Verfahren für Musikempfehlungen
Celma Ò (2010) Music recommendation and discovery: the long tail, long fail, and long play in the digital music space. Springer, Berlin. Anhand praktischer Beispiele gibt das Buch eine Einführung in Musikempfehlungssysteme und beschäftigt sich insbesondere mit den Einschränkungen und Problemen aktueller Ansätze in Bezug auf die Vielfalt und Nützlichkeit der Empfehlungen CrossRef
Jannach D, Zanker M, Felfernig A, Friedrich G (2011) Recommender systems – an introduction. Cambridge University Press, New York. Das Lehrbuch bietet einen Überblick über die verschiedenen Arten von Empfehlungssystemen, stellt aktuelle Ansätze und Fragestellungen aus der Forschung vor und diskutiert anhand von Fallstudien Möglichkeiten zur Bestimmung der Effektivität von Empfehlungssystemen
Kaminskas M, Ricci F (2012) Contextual music information retrieval and recommendation: state of the art and challenges. Computer Science Review 6(2):89–119. Die Arbeit bietet einen allgemeinen Überblick über Konzepte von Music Information Retrieval und Musikempfehlungssystemen und behandelt vor allem das Thema der sozialen und kontextbasierten Systeme in diesem Bereich CrossRef
Ricci F, Rokach L, Shapira B, Kantor PB (2010) Recommender systems handbook. Springer, New York. Neben einer allgemeinen Einführung in das Thema bietet das Buch weitreichende Einblicke in Konzepte, Theorien, Methoden, Trends, Herausforderungen und Anwendungsmöglichkeiten von Empfehlungssystemen, die von Experten aus den jeweiligen Teildisziplinen zusammengetragen wurden
Metadata
Title
Empfehlungssysteme, automatische Erzeugung von Wiedergabelisten und Musikdatenbanken
Authors
Dietmar Jannach
Lukas Lerche
Geoffray Bonnin
Copyright Year
2017
Book
Handbuch Funktionale Musik

Print ISBN: 978-3-658-10218-0

Electronic ISBN: 978-3-658-10219-7

Copyright Year: 2017

DOI
https://doi.org/10.1007/978-3-658-10219-7_5