-
English
Discussion
Intermediate
Music Recommendation – Future Casting

Short thesis

The selection of music online is enormous. But many users would like better recommendation systems. Experts say inadequate recommendations are the biggest hurdle facing commercial success of streaming services. <deutsch:> Die Auswahl an Musik im Netz ist riesig. Doch viele Nutzer wünschen sich bessere Empfehlungsfunktionen. Das ist die eigentliche Hürde, die dem Durchbruch von Streamingdiensten noch im Wege steht.

Description

Waiting for the UberRecommender

Streaming established itself as one of the top distribution channels in addition to downloads and phonorecords. Spotify and Deezer are caught up in a rat race for world domination; an IPO or other glamorous exit seem to be only a matter of time.  But are the products currently being offered really sophisticated enough? One hears users and experts alike complaining about the lack of creative and above all more powerful recommendation features. Many users see this shortcoming as one of the main blockers for music streaming services to make a commercial breakthrough.Even sophisticated, algorithm-based recommendation technologies, like Fraunhofer´s sound-fingerprinting software Mufin, cannot recommend individualized music except for songs with a similar sound-structure. Several research teams, such as the German Research Institute for Artificial Intelligence (DFKI), are working on new approaches for a semantic music recommendation. High-volume data sources inform new algorithms that create relationships among artists, songs, albums, and more interestlingly non-musical data points, like film directors or fashion editors. For example, Facebook already uses such algorithms in its Social Graph Search.Ultimately, a nearly infinite number of factors determine what kind of music we want to listen to. Is technology-based music recommendation an impossible mission? Or is there hope to pop the social filter bubble? What does the „Uber“ Recommender of the future look like? What is the state of the research? Which innovations do the music streamers offer?  In which other fields is there a demand for „Uber“-recommendation technology? Which new uses and/or business models are awaiting within this new technology?

<deutsch:>

Denn sie wissen nicht, was sie wollen - Waiting for the UberRecommender

 Musik-Streaming hat sich neben Download und dem Verkauf von physischen Tonträgern als weiterer Verwertungszweig für Musik etabliert. Globale Player wie Spotify oder Deezer liefern sich derzeit ein Rennen um die Streaming-Weltherrschaft, IPO oder glamouröser Exit scheinen nur noch eine Frage der Zeit. Aber sind die Produkte wirklich schon ausgereift? Hört man sich unter Nutzern und auch Fachleuten um, wird immer wieder das Fehlen von kreativen und vor allem leistungsstarken Empfehlungs-Features beklagt. Dieser Malus sei der eigentliche Flaschenhals, der den kommerziellen Durchbruch der Musik-Streaming-Services noch behindere. Selbst ausgereifte, Algorithmus-basierte Empfehlungstechnologien, wie die Klangerkennungs-Software Mufin aus dem Hause Fraunhofer sind nicht wirklich in der Lage, individuelle Musik-Empfehlungen jenseits einer übereinstimmenden Klangstruktur abzugeben.Seit einigen Jahren arbeiten verschiedene Forschungsteams wie beispielweise das Deutsche Forschungszentrum für Künstliche Intelligenz (DFKI) in Kaiserslautern an semantischen, erklärungsbasierten Ansätzen zur Musikempfehlung. Auf Basis von hochvolumigen Faktenquellen versucht man hier Beziehungen zwischen Künstlern, Songs, Alben, die Entstehungsgeschichte kompletter Genretaxonomien und sogar die Verbandelung mit anderen kulturellen Machern und Artefakten über nachvollziehbare kausale Ketten zu berechnen - Facebook setzt mit seinem gerade vorgestellten Social Graph übrigens auf einer verwandten Algorithmik auf. Am Ende bestimmt eine schier endlose Liste von Faktoren und Befindlichkeiten, was wir im jeweiligen Moment hören möchten.

 Ist die Technologie-basierte Empfehlung also eine Mission Impossible? Oder besteht noch für Hoffnung für die Gefangenen in der sozialen Filterblase? Wie könnte der UberRecommender der Zukunft aussehen? Woran wird derzeit geforscht? Welche innovativen Ansätze verfolgen die Musik-Streamer? In welchen weiteren Bereichen besteht noch Bedarf an „Uber“-Empfehlungstechnologie? Welche neuen Anwendungs- und Geschäftsmodelle verbergen sich hier?

Speakers