Link Me Baby One More Time: Social Music Discovery on Spotify

我们探讨了影响人际音乐推荐和发现结果的社会和环境因素。具体来说，我们使用Spotify的数据来研究一个用户向另一个用户发送链接如何导致接收者与分享艺术家的音乐互动。我们考虑了几个可能影响这个过程的因素，例如发件人和收件人关系的强度、用户在Spotify社交网络中的角色、他们的音乐社交凝聚力以及新艺术家与接收者口味的相似程度。我们发现，当（1）接收者与发件人具有相似的音乐口味，并且分享的曲目适合他们的口味时，接收者更有可能接触新艺术家；（2）他们与发件人的关系更强烈和更亲密；（3）分享的艺术家在接收者的联系人中很受欢迎时，接收者更有可能接触新艺术家。最后，我们利用这些发现构建了一个随机森林分类器，以预测共享的音乐曲目是否会导致接收者与分享的艺术家互动。这个模型阐明了哪些类型的社会和环境特征是最具预测性的，尽管当包括多种特征时，最佳性能得以实现。这些发现为音乐发现和社会进程之间的多方面机制提供了新的洞见。

本论文探讨了社会和环境因素对人与人之间音乐推荐和发现结果的影响。具体来说，作者使用Spotify的数据研究了一个用户向另一个用户发送链接后，接收者如何与被分享的艺术家的音乐产生互动。作者考虑了几个可能影响这一过程的因素，例如发送者和接收者之间的关系强度、用户在Spotify社交网络中的角色、他们的音乐社交凝聚力以及新艺术家与接收者口味的相似程度等。作者发现，当（1）接收者与发送者有相似的音乐口味，并且分享的曲目与他们的口味相符合时，接收者更有可能与新艺术家产生互动；（2）接收者与发送者之间的关系更强烈、更亲密；（3）被分享的艺术家在接收者的联系人中更受欢迎时，接收者更有可能与新艺术家产生互动。最后，作者利用这些发现构建了一个随机森林分类器，以预测分享的音乐曲目是否会导致接收者与被分享的艺术家产生互动。

本论文的关键思路是分析社会和环境因素对人与人之间音乐推荐和发现结果的影响。通过使用Spotify的数据，作者发现了影响接收者与新艺术家产生互动的因素，并构建了一个随机森林分类器进行预测。

本论文的亮点包括：分析了社会和环境因素对人与人之间音乐推荐和发现结果的影响；使用了Spotify的数据进行研究；发现了影响接收者与新艺术家产生互动的因素；构建了一个随机森林分类器进行预测。

在这个领域中，还有一些相关的研究被进行，例如《Music Recommendation and Discovery in the Long Tail》、《Collaborative Filtering for Implicit Feedback Datasets》等。