Two-Stage Cascade Hybrid Architecture

Acoustic Audio Meets Collective Listening

Ένα προηγμένο σύστημα συστάσεων που συνδυάζει 114.000 τραγούδια του Spotify σε 123 διαστάσεις ήχου με 92.834 ιστορικά ακροάσεων Last.fm, επιλύοντας ταυτόχρονα την «Πολιτισμική Τυφλότητα» και την «Παγίδα της Δημοτικότητας».

27,621
Καλλιτέχνες Spotify
123-D
Διανυσματικός Ήχος
92,834
Ακροάσεις Last.fm
Top-35
Cascade Filtering

Live Recommender Demo & Comparison

Επιλέξτε 1 έως 5 καλλιτέχνες ή επιλέξτε ένα έτοιμο σενάριο και συγκρίνετε ζωντανά τα 3 Μέρη του αλγορίθμου.

Σύνδεση με το Python FastAPI backend...
Αυτόματες Μουσικές Συστάδες
—
AgglomerativeClustering
Μέση Ακουστική Ομοιότητα
—
Cosine Similarity στις 123 διαστάσεις
Αποφυγή Σφάλματος Μέσου
—
Averaging Trap Loss Prevention

Οι 5 Προτεινόμενοι Καλλιτέχνες

Ενεργός: Μέρος Γ (Hybrid Cascade)
⚙️ Πώς προέκυψε αυτό το αποτέλεσμα; (Ζωντανή Εξήγηση Αλγορίθμου)
1. Χώρος Ηχητικών Χαρακτηριστικών (Energy vs Acousticness)
Τα βέλη δείχνουν τα Sub-Centroids κάθε συστάδας. Το σύμβολο ✕ δείχνει το λάθος του Ενιαίου Μέσου (Averaging Trap).
2. Πολυδιάστατη Προβολή PCA (123 Διαστάσεις → 2D)
Προβολή των 9 ηχητικών χαρακτηριστικών και των 114 One-Hot ειδών στις δύο Κύριες Συνιστώσες (PC1 vs PC2).

Επιστημονική & Μαθηματική Τεκμηρίωση

Μέρος Α: Content-Based Filtering, MinMaxScaler & Averaging Trap

1. Η Ανάγκη της Κανονικοποίησης (MinMaxScaler)

Τα 9 ακουστικά χαρακτηριστικά του Spotify έχουν ασύμβατες κλίμακες: το danceability ανήκει στο $[0, 1]$, το loudness στο $[-60, 0]\text{ dB}$ και το tempo στο $[50, 220]\text{ BPM}$. Χωρίς κανονικοποίηση, το tempo υπερισχύει κατά $99.99\%$ στο εσωτερικό γινόμενο, παράγοντας πλασματική ομοιότητα.

Αριθμητική Απόδειξη Σφάλματος χωρίς Scaling

Έστω Καλλιτέχνης $X = [0.80, 120]$ (χορευτικός) και Καλλιτέχνης $Y = [0.20, 128]$ (μη χορευτικός):

$$\cos(\theta_{\text{raw}}) = \frac{(0.80 \times 0.20) + (120 \times 128)}{\sqrt{0.80^2 + 120^2}\cdot\sqrt{0.20^2 + 128^2}} = \frac{0.16 + 15360}{120.0027 \times 128.0002} = \mathbf{0.999989} \quad (99.999\% \text{ πλασματική ομοιότητα!})$$

2. Κωδικοποίηση Μουσικών Ειδών (123 Διαστάσεις)

Προσθέτουμε τα 114 μουσικά είδη ως One-Hot στήλες πολλαπλασιασμένες επί $w_{\text{genre}} = 0.5$. Έτσι, κάθε καλλιτέχνης περιγράφεται από ένα διάνυσμα $9 + 114 = 123$ διαστάσεων.

3. Δυναμικές Συστάδες (N-Clusters) έναντι του Ενιαίου Μέσου Όρου

Αν ένας χρήστης ακούει Rock, Hip-Hop και Classical, ο ενιαίος μέσος όρος πέφτει στη νεκρή ζώνη (Averaging Trap). Μέσω AgglomerativeClustering, η είσοδος χωρίζεται αυτόματα σε $N$ ομοιογενείς συστάδες, για καθεμία από τις οποίες υπολογίζεται το δικό της Sub-Centroid ($\vec{u}_{\text{cluster}}$).

Μέρος Β: Collaborative Filtering & Η Παγίδα της Δημοτικότητας (Popularity Bias)

1. Ο Πίνακας Ακροάσεων Last.fm & Λογαριθμικός Μετασχηματισμός

Από 92.834 εγγραφές του Last.fm HetRec κατασκευάζουμε τον πίνακα $R \in \mathbb{R}^{m \times n}$. Επειδή η κατανομή των ακροάσεων ακολουθεί νόμο δύναμης (power-law), εφαρμόζουμε $R'_{u,i} = \ln(1 + R_{u,i})$ (np.log1p) ώστε οι φανατικοί ακροατές με $50.000$ plays να μην ισοπεδώνουν τους υπόλοιπους χρήστες.

2. Η Παγίδα της Δημοτικότητας (Mainstream / Popularity Bias)

Για mainstream καλλιτέχνες όπως ο Eminem, το σκέτο Collaborative Filtering προτείνει Katy Perry ($0.335$), Black Eyed Peas ($0.317$) και Lady Gaga ($0.302$) λόγω των κοινών ακροατών του ραδιοφώνου, αγνοώντας εντελώς το είδος και τον ήχο.

Μέρος Γ: Two-Stage Cascade Hybrid Recommender (Η Τελική Αρχιτεκτονική)

1. Γιατί ΠΡΩΤΑ Collaborative και ΜΕΤΑ Content-Based;

  1. Στάδιο 1 (Collaborative Filtering — Candidate Generation): Περιορίζει τον χώρο αναζήτησης στους Top-35 καλλιτέχνες που ακούει η κοινότητα για τη συγκεκριμένη συστάδα, διασφαλίζοντας πολιτισμική και χρονολογική συνάφεια.
  2. Στάδιο 2 (Content-Based Re-Ranking): Βαθμολογεί τους 35 υποψηφίους στις 123 διαστάσεις ως προς το Sub-Centroid της συστάδας, απορρίπτοντας τον ραδιοφωνικό θόρυβο.

2. Πρακτική Απόδειξη στον Κατάλογο των Queen

Υποψήφιος (Στάδιο 1 Collab) Είδος Spotify 1. Collab Sim (Last.fm) 2. Content Sim (123-D Audio) Τελική Κατάταξη
The Rolling Stones rock 0.288 0.8828 #1 Επιλογή
AC/DC hard-rock 0.294 0.8825 #2 Επιλογή
Aerosmith hard-rock 0.284 0.8809 #3 Επιλογή
Pink Floyd psych-rock 0.335 (#1 στο Collab) 0.8259 Χαμηλότερη Ακουστική Ένταση
Distribution Plots
Σχήμα 1: Κατανομή δημοτικότητας και τα 15 δημοφιλέστερα είδη στο Spotify.
Correlation Heatmap
Σχήμα 2: Πίνακας συσχέτισης των 9 ακουστικών χαρακτηριστικών.
PCA & Vectors
Σχήμα 3: 2D Quiver Vectors και προβολή PCA των 123 διαστάσεων.