音樂推薦與探索

不同於傳統的資訊檢索，探索式搜尋會因為檢索情境、搜尋者的心理狀態 而有不同的結果，因此探索式搜尋的成效較不適合使用查全、查準等指標進行 評估、衡量，應針對搜尋者在探索式搜尋中對於檢索結果的篩選和個人搜尋體 驗等面向進行指標的設計。因為探索式搜尋易受情境、使用者狀態的影響，目 前學術界尚未在探索式搜尋的評估、衡量上達成共識，也沒有一套通用的衡量 標準。換言之，探索式搜尋對於研究者的研究彈性較高。

第三節 音樂推薦與探索

上述文獻探討中可看到 Lee 與 Cunningham 於 2013 所整理的音樂資訊檢索 相關使用者研究主題。除音樂資訊的檢索和聆聽外，音樂推薦系統及使用者的音 樂探索與發現亦是本研究所關心的主題。如同Ranganathan 提出的圖書館五律中 的「讀者有其書」、「書有其讀者」，在巨量的音樂資訊中，該如何讓每一首曲目 皆被需要的使用者聽到；又該如何讓每一位使用者皆聆聽到想要、需要的音樂，

是目前音樂推薦系統的設計者最主要的課題之一。然使用者如何與音樂資訊互動 進而找到所需音樂也是不得忽視的議題。本節分為音樂推薦系統、音樂探索與發 現兩部分討論，最後則是本節之結語。

一、音樂推薦系統

使用者在聆聽音樂時，考量的因素中包含了驚奇感（廖家慧，2011）。為了 聆聽到未曾聽過的音樂，使用者會進入探索式搜尋的歷程。在資訊數位的時代，

音樂資訊系統則是一個非常重要的搜尋管道。因此，許多暸解使用者音樂探索 及發現的使用行為研究，其背後的目的是為了改善或設計新的音樂推薦系統，

以滿足使用者「新」的需求。

Herrera、Resa 和 Sordo(2010)指出，成功的推薦系統，不僅僅是推薦使用 者想要的音樂，還要在正確的時間點推薦給使用者。因此 Herrera 等人嘗試設 計一個時序脈絡式（Time-contextualized）的音樂推薦方法。此研究以音樂發現 服務Last.fm 作為背景，收集 2005 到 2009 四年間的使用者聆聽紀錄並加以分 析。研究發現，使用者的聆聽行為確實有時序脈絡，且顯示使用者對於某些演 出者有特定的聆聽喜好。將使用者的聆聽脈絡代入研究設計的公式中，可以利 用使用者原先的聆聽紀錄推測出後續可能有興趣會聆聽的歌曲。經驗證後，證 明此方法可得到 20.5%的演出者預測準確率、22.6%的每日曲風預測準確率及 40.9%的每周預測準確率。有趣的是，Herrera 等人發現，在推薦的曲風中，出 現了使用者不常聆聽的音樂風格。

Pichl、Zangerle 與 Specht（2014）試圖使用社群平台和線上串流音樂服務的 使用者數據來設計一個基於使用者的協同過濾為基礎的音樂推薦系統。在此研 究中，Pichl 等人利用 Twitter 上超過六百萬則含有線上音樂平台 Spotify 的 URL 和 #nowplaying、#listento、#listeningto 標籤的推文，將推文中提到的音樂採用 傑卡德相似係數（Jaccard-Coefficients）進行數據處理，進而推薦使用者可能會 喜歡的歌曲。最後將此推薦系統應用於Last.fm 上，結果顯示約 20%的推薦項 目會得到使用者的青睞。

Laplante(2014)認為，暸解使用者的音樂偏好，對於音樂推薦系統的設計是重 要，且必要的。因此，Laplante 利用 PsycINFO (Ovid)還有 Sociological Abstracts (ProQuest)兩個不同領域的資料庫中，含有“music”及“preferences”關鍵字的文章 進行統整性的分析，以暸解目前一般使用者對於音樂的偏好。在綜觀使用者音樂 偏好的文章後，Laplante 對比現有的音樂推薦系統，給出了建議。他認為使用者 的音樂偏好是由4-5 個層面所組成的穩定架構，若能透過系統計算各個層面便能 了解每個使用者的個人音樂偏好。然在多數音樂偏好的研究中也發現，在使用者 的個人特質層面與某些曲風的音樂有著強烈的連結（如叛逆會連結到搖滾與金 屬），若推薦系統能掌握其個人特質，亦能將新音樂推廣給使用者。最後，使用 者的背景資料能幫助解決系統新用戶的冷啟動問題（Cold-Start Problems），音樂 推薦系統可透過分析人口背景來推斷出使用者的偏好，及相似使用者的推薦。

二、音樂探索與發現

音樂的資訊檢索有多數是發生在休閒情境中，而在進行休閒搜尋時經常沒 有明確的資訊需求，甚至沒有資訊需求（Wilson & Elsweiler, 2010）。這樣的情 境下音樂的資訊檢索即為探索式的搜尋。然而目前音樂資訊相關研究中，較少 看到以「探索式搜尋」為主題的研究，音樂的探索與發現多在使用者行為的主 題範疇下被提起。

Cunningham、Bainbridge 和 Mckay(2007)以資訊偶遇（encounters）的觀點 探討使用者在日常生活中如何發現新音樂。以日誌法記錄參與者生活中的細微 體驗，進而暸解使用者音樂偶遇的行為。此研究的發現以時間、地點、滿意度、

主被動、媒體、視覺等角度討論。Cunningham 等人發現音樂經常是參與者在讀 書或是工作時候的背景，而有些參與者會在進行休閒活動的時段尋找新音樂；

地點方面則是以住宅中為最多參與者偶遇到新音樂的地點，其次為通勤交通工 具和路邊商家；而這些生活中被參與者聆聽到的新音樂，有62.3%是讓參與者

滿意的，僅有11.1%不滿意。在主被動方面，約有 35.7%的新音樂聆聽經驗是 參與者主動尋求的，而主動尋求則以線上搜尋為主，其次是實體店面的CD 選 購；至於聆聽新音樂的媒體是以網路為主，其次為廣播電台。

Chamberlain 與 Crabtree(2016)找來五位英國公民，以情境實驗法觀察使用 者探索（Discovery）、徵集（Acquisition）、處理（Processing）、組織（Organization）

音樂資訊的行為。研究發現，使用者在探索新音樂時所進行的是一高層次、高 專注的搜尋，需要對音樂有一定程度的認知才有能力判斷是否符合自身需求。

而在搜尋的過程中會受到其他使用者的評價及音樂本身的metadata 影響。特別 的是，Chamberlain 和 Crabtree 發現，使用者探索新音樂時，會受到當下的情境 影響，包括人物、事件、時間、地點等。因此也建議後續的研究可以從情緒、

地點、信任、社交性的短暫交會等情境層面進行討論。

三、音樂推薦與探索小結

透過上述文獻探討可發現，雖說研究者、系統設計者嘗試用聆聽時段、社群 行為等多元的方法來設計最適合使用者的推薦系統，但使用者的滿意度仍是有待 提升。Laplante 則建議，音樂推薦系統應從使用者的偏好著手，若能暸解使用者 不同層面的偏好、行為習慣，即能將新音樂透過相對應的個人特質加以推廣。

在音樂的探索上使用者多是以偶遇的方式來發現未曾聆聽過的新音樂，顯示 使用者在新音樂的尋求上，較屬於被動的狀態。而探索是一高層次、高專注的資 訊尋求行為，且會受到人事時地物等情境因素的影響。