Exploring Diverse Sounds: Identifying Outliers in a Music Corpus

现有的音乐推荐系统研究主要关注于推荐类似的音乐，因此常常忽略多样和独特的音乐录音。由于音乐本身的多样性，音乐的离群值可以提供有价值的见解。本文探讨音乐离群值，研究它们在音乐发现和推荐系统中的潜在用途。我们认为，并非所有的离群值都应该被视为噪音，因为它们可以提供有趣的视角，为对艺术家作品的更丰富理解做出贡献。我们引入了“真正的”音乐离群值的概念，并为其提供了定义。这些真正的离群值可以揭示艺术家作品的独特方面，并有可能通过向听众展示新颖和多样化的音乐体验来增强音乐发现。

本论文旨在探讨音乐中的离群值在音乐发现和推荐系统中的潜在用途，以及提出“真正”的音乐离群值的概念。

论文提出“真正”的音乐离群值可以揭示艺术家作品的独特方面，并有助于通过将听众暴露于新颖和多样化的音乐体验来增强音乐发现。

论文介绍了“真正”的音乐离群值的定义，并阐述了它们的潜在用途。实验设计了一个离群值检测模型，并使用了Spotify数据集进行了测试。

最近的相关研究主要集中在音乐推荐系统上，而本文则专注于音乐离群值的研究。