Buchumschlag

Support the Underground: Characteristics of Beyond-Mainstream Music Listeners

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Kowald, Dominik, Muellner, Peter, Zangerle, Eva, Bauer, Christine, Schedl, Markus, Lex, Elisabeth
Format:	Preprint
Veröffentlicht:	2021
Schlagworte:	Information Retrieval
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Utilizing Human Memory Processes to Model Genre Preferences for Personalized Music Recommendations
von: Kowald, Dominik, et al.
Veröffentlicht: (2020)

The Impact of Differential Privacy on Recommendation Accuracy and Popularity Bias
von: Müllner, Peter, et al.
Veröffentlicht: (2024)

Making Alice Appear Like Bob: A Probabilistic Preference Obfuscation Method For Implicit Feedback Recommendation Models
von: Escobedo, Gustavo, et al.
Veröffentlicht: (2024)

Hybrid Personalization Using Declarative and Procedural Memory Modules of the Cognitive Architecture ACT-R
von: Innerebner, Kevin, et al.
Veröffentlicht: (2025)

Meta-Learning and Targeted Differential Privacy to Improve the Accuracy-Privacy Trade-off in Recommendations
von: Müllner, Peter, et al.
Veröffentlicht: (2026)

Oh, Behave! Country Representation Dynamics Created by Feedback Loops in Music Recommender Systems
von: Lesota, Oleg, et al.
Veröffentlicht: (2024)

Fair Agents: Balancing Multistakeholder Alignment in Multi-Agent Personalization Systems
von: Forster, Andrea, et al.
Veröffentlicht: (2026)

Unsupervised Graph Embeddings for Session-based Recommendation with Item Features
von: Peintner, Andreas, et al.
Veröffentlicht: (2025)

Multistakeholder Fairness in Tourism: What can Algorithms learn from Tourism Management?
von: Muellner, Peter, et al.
Veröffentlicht: (2025)

Impacts of Mainstream-Driven Algorithms on Recommendations for Children Across Domains: A Reproducibility Study
von: Ungruh, Robin, et al.
Veröffentlicht: (2025)

Transparency, Privacy, and Fairness in Recommender Systems
von: Kowald, Dominik
Veröffentlicht: (2024)

Investigating Popularity Bias Amplification in Recommender Systems Employed in the Entertainment Domain
von: Kowald, Dominik
Veröffentlicht: (2025)

Towards Multi-Aspect Diversification of News Recommendations Using Neuro-Symbolic AI for Individual and Societal Benefit
von: Reiter-Haas, Markus, et al.
Veröffentlicht: (2025)

Music4All A+A: A Multimodal Dataset for Music Information Retrieval Tasks
von: Geiger, Jonas, et al.
Veröffentlicht: (2025)

Familiarizing with Music: Discovery Patterns for Different Music Discovery Needs
von: Moscati, Marta, et al.
Veröffentlicht: (2025)

What Do Humanities Scholars Need? A User Model for Recommendation in Digital Archives
von: Atzenhofer-Baumgartner, Florian, et al.
Veröffentlicht: (2026)

Music Recommendation with Large Language Models: Challenges, Opportunities, and Evaluation
von: Epure, Elena V., et al.
Veröffentlicht: (2025)

Modeling Activity-Driven Music Listening with PACE
von: Marey, Lilian, et al.
Veröffentlicht: (2024)

A Multistakeholder Approach to Value-Driven Co-Design of Recommender System Evaluation Metrics in Digital Archives
von: Atzenhofer-Baumgartner, Florian, et al.
Veröffentlicht: (2025)

Just Ask for Music (JAM): Multimodal and Personalized Natural Language Music Recommendation
von: Melchiorre, Alessandro B., et al.
Veröffentlicht: (2025)

Modeling Behavioral Patterns in News Recommendations Using Fuzzy Neural Networks
von: Innerebner, Kevin, et al.
Veröffentlicht: (2026)

It's Not You, It's Me: The Impact of Choice Models and Ranking Strategies on Gender Imbalance in Music Recommendation
von: Ferraro, Andres, et al.
Veröffentlicht: (2024)

Exploring the Effect of Context-Awareness and Popularity Calibration on Popularity Bias in POI Recommendations
von: Forster, Andrea, et al.
Veröffentlicht: (2025)

On the Reliability of User-Centric Evaluation of Conversational Recommender Systems
von: Müller, Michael, et al.
Veröffentlicht: (2026)

Musical Listening Qualia: A Multivariate Approach
von: Mizener, Brendon, et al.
Veröffentlicht: (2024)

Parameter-Efficient Single Collaborative Branch for Recommendation
von: Moscati, Marta, et al.
Veröffentlicht: (2025)

OnSET: Ontology and Semantic Exploration Toolkit
von: Kantz, Benedikt, et al.
Veröffentlicht: (2025)

Single-Branch Network Architectures to Close the Modality Gap in Multimodal Recommendation
von: Ganhör, Christian, et al.
Veröffentlicht: (2025)

Adaptive Autoguidance for Item-Side Fairness in Diffusion Recommender Systems
von: Li, Zihan, et al.
Veröffentlicht: (2026)

Value Identification in Multistakeholder Recommender Systems for Humanities and Historical Research: The Case of the Digital Archive Monasterium.net
von: Atzenhofer-Baumgartner, Florian, et al.
Veröffentlicht: (2024)

AI-Powered Immersive Assistance for Interactive Task Execution in Industrial Environments
von: Duricic, Tomislav, et al.
Veröffentlicht: (2024)

Challenges in Implementing a Recommender System for Historical Research in the Humanities
von: Atzenhofer-Baumgartner, Florian, et al.
Veröffentlicht: (2024)

The Importance of Cognitive Biases in the Recommendation Ecosystem
von: Schedl, Markus, et al.
Veröffentlicht: (2024)

H-RAG at SemEval-2026 Task 8: Hierarchical Parent-Child Retrieval for Multi-Turn RAG Conversations
von: Elchafei, Passant, et al.
Veröffentlicht: (2026)

Simultaneous Unlearning of Multiple Protected User Attributes From Variational Autoencoder Recommenders Using Adversarial Training
von: Escobedo, Gustavo, et al.
Veröffentlicht: (2024)

"Beyond the past": Leveraging Audio and Human Memory for Sequential Music Recommendation
von: Tran, Viet-Anh, et al.
Veröffentlicht: (2025)

A Multimodal Single-Branch Embedding Network for Recommendation in Cold-Start and Missing Modality Scenarios
von: Ganhör, Christian, et al.
Veröffentlicht: (2024)

Reproducibility in Machine Learning-based Research: Overview, Barriers and Drivers
von: Semmelrock, Harald, et al.
Veröffentlicht: (2024)

Countering Mainstream Bias via End-to-End Adaptive Local Learning
von: Pan, Jinhao, et al.
Veröffentlicht: (2024)

Enhancing Sequential Music Recommendation with Negative Feedback-informed Contrastive Learning
von: Seshadri, Pavan, et al.
Veröffentlicht: (2024)