Любителям важкого року та хіп-хопу доводиться складніше у сучасному світі стримінгових музичних платформ з їхніми алгоритмами рекомендації музики. Штучний інтелект цих систем не здатний у більшості випадків запропонувати їм підходящі треки для прослуховування. Цьому є кілька причин, встановили дослідники з австрійського Університету Граз.
Ті, хто переважно слухає так звану «важку музику», до якої дослідники включають широкий набір жанрів, серед яких – хард рок, панк, хіп-хоп, не сильно зацікавлені у музиці поза їхньою улюбленою нішею.
У той же час, люди, яким більше подобається «м’яка» музика, часто раді послухати треки з інших жанрів. Також жанрів «м’якої» музики, серед яких, наприклад, ембієнт, менше і вони більш схожі один на одного.
Тому алгоритмам виявляється простіше рекомендувати музику для любителів «м’якої» музики, ніж перебірливим фанатам «важкої».
Основою дослідження стала історія прослуховування 4000 користувачів Last.fm. Точність рекомендацій вчені визначали за тим, чи прослуховував юзер запропонований йому трек.
Фанати «важкої» музики не лише з меншою ймовірністю будуть слухати треки інших жанрів. Вони також частіше обирають треки, які значно відрізняються один від одного. При цьому топ-треки зазвичай звучать приблизно схоже, що додає складності в роботі рекомендаційних алгоритмів.
Хоча точні механізми рекомендаційних алгоритмів музичних сервісів, таких як Spotify, залишаються таємницею, в їхній основі, швидше за все, лежить механізм коллабораційного фільтра. Тобто вони знаходять інших юзерів зі схожим набором треків та рекомендують те, що слухають ці юзери.
