[Zurück]

P. Knees:
"Datengestützte Empfehlungssysteme - Kuratiertes Musikangebot";
in: "Musikwirtschaft im Zeitalter der Digitalisierung. Handbuch für Wissenschaft und Praxis", H. Wandjo, A. Endreß (Hrg.); Nomos Verlagsgesellschaft mbH & Co. KG, Baden-Baden, 2021, ISBN: 978-3-8487-3367-5, S. 419 - 432.

Musikempfehlungssysteme bilden eine der zentralen Grundlagen der Musikwirtschaft im Zeitalter der Digitalisierung. Durch die ubiquitäre Verfügbarkeit großer Musikkataloge und damit einhergehender Probleme wie Informations- und Entscheidungsüberlastung sind personalisierte Filter und Empfehlungssysteme eine unverzichtbare Ergänzung zu händisch kuratierten Angeboten. In diesem Kapitel werden ausgewählte Aspekte dieser Systeme beleuchtet. Eine wichtige Rolle spielen in diesem Zusammenhang die unterschiedlichen Datenquellen, die mithilfe von Algorithmen des maschinellen Lernens zur Erstellung von Empfehlungen ausgewertet werden. Hierbei werden sowohl Daten behandelt, die aus der Interaktion von Benutzer*innen mit Musik und Musikservices entstammen, als auch Daten, die die Musik selbst, wie auch die Benutzer*innen selbst, beschreiben. Zuletzt werden verschiedene Zielsetzungen und Erfolgskriterien von Empfehlungssystemen aus der Warte von Benutzer*innen, Anbietern und Empfehlungsplattformen diskutiert.

http://dx.doi.org/10.5771/9783845276939-419