一项新研究表明，硬摇滚和嘻哈粉丝从 Spotify 算法中获得的歌曲推荐不太相关。
最常用的听音乐应用程序（例如 Spotify、Last.fm 或 Youtube）具有能够预测并向您展示您可能喜欢的新音乐的算法。 简单地说，它是一个通过协同过滤的推荐系统：应用程序记录用户收听的艺术家和流派，并将这些结果与志同道合的听众进行匹配，以找出其他人喜欢什么。
硬摇滚和嘻哈粉丝获得的歌曲推荐不太相关
但是这些算法对于艺术创作和音乐品味等主观性和人性化的东西来说并不完美。 出于这个原因，来自格拉茨科技大学、Know-Center GmbH 研究中心、林茨约翰内斯开普勒大学、因斯布鲁克大学（均来自奥地利）和乌得勒支大学（荷兰）的一组研究人员希望测试这些算法生成的推荐的准确度，特别是对于不太流行或不为公众所知的音乐的听众。
发表在最新一期 EPJ 数据科学杂志上的主要结果是，与其他音乐类型相比，这些算法在硬摇滚和嘻哈听众中的失败率要高得多。
对 Last.fm 用户的测试揭示了情况
为了测试这一点，该团队获取了 Last.fm 平台 4148 名用户的收听历史，包括倾向于听商业流行音乐的听众和喜欢不太知名的艺术家的听众（每组 2074 名用户）。
根据每个用户最常收听的艺术家，该研究采用了一种计算模型，使用四种不同的推荐算法来预测他们是否喜欢新歌曲或艺术家。 通过这种方式，他们证实流行音乐的听众往往比不那么商业化的听众群体收到更准确和准确的推荐。
然后，作者根据他们最常听的音乐的特征将非商业音乐的听众分为四组。 这些群体是： 只包含原声乐器的音乐类型的听众，例如民谣或创作歌手； 朋克或嘻哈等充满活力的音乐； 高声但清音的音乐，如环境音乐； 以及充满活力但无声的音乐，例如电子乐。 因此，该研究能够比较每个组的历史，并通过计算模型确定哪些用户更有可能听他们偏好之外的音乐以及每个组内音乐类型的多样性。
原声音乐听众获得更好的推荐
通过这种分类，研究发现没有人声的原声音乐的听众也倾向于喜欢其他三组（精力充沛的、没有人声的精力充沛和原声）的歌曲，并从计算模型中得到更准确的推荐。 与此同时，这群精力充沛的音乐听众从算法中得到了最差的推荐，尽管他们的团队拥有最多种类的音乐流派——硬摇滚、朋克、硬核、嘻哈和流行摇滚。
该论文的合著者、格拉茨科技大学应用计算机科学副教授 Elisabeth Lex 强调，对于想要搜索、选择和过滤音乐应用程序集合的用户来说，音乐推荐算法已经“必不可少”。
尽管如此，他指出算法可能无法为非商业音乐的听众提供建议。 “这可能是因为这些系统偏向于更流行的音乐，导致主流之外的艺术家的听众较少，”他指出。
最后，作者建议他们的发现可以作为创建提供更准确推荐的音乐推荐系统的基础。 然而，他们警告说，他们的分析是基于 Last.fm 用户的样本，这对于这个或其他音乐平台可能不具有代表性。