Los algoritmos afinan menos con el rock duro o el hip hop que con el pop comercial

Una de las caracter¨ªsticas m¨¢s aplaudidas de las plataformas de streaming de m¨²sica como Spotify, Last.fm o Deezer es su sistema de recomendaci¨®n de temas. Resulta muy ¨²til para navegar por sus extens¨ªsimos cat¨¢logos y, si funciona bien, incluso permite descubrir nuevas bandas favoritas. Un estudio reci¨¦n publicado en la revista EPJ Data Science concluye que el tipo de m¨²sica que se escuche influye, y bastante, en la eficacia de las recomenda...

Una de las caracter¨ªsticas m¨¢s aplaudidas de las plataformas de streaming de m¨²sica como Spotify, Last.fm o Deezer es su sistema de recomendaci¨®n de temas. Resulta muy ¨²til para navegar por sus extens¨ªsimos cat¨¢logos y, si funciona bien, incluso permite descubrir nuevas bandas favoritas. Un estudio reci¨¦n publicado en la revista EPJ Data Science concluye que el tipo de m¨²sica que se escuche influye, y bastante, en la eficacia de las recomendaciones. M¨¢s concretamente, el trabajo establece que los interesados en ¡°m¨²sica convencional¡± (la m¨¢s popular o escuchada) tienden a recibir recomendaciones que se ajustan mucho m¨¢s a sus gustos que quienes prefieren g¨¦neros m¨¢s alternativos, como el rock duro o el hip hop.

Este problema tiene que ver con el llamado sesgo de la popularidad: las canciones con menos interacciones tienen menos probabilidades de ser recomendadas por los propios usuarios, y por tanto de ser tenidas en cuenta por el algoritmo. Se sabe tambi¨¦n por investigaciones anteriores que quienes escuchan m¨²sica que se escapa del carril suelen tener unos perfiles de usuario m¨¢s complejos: han escuchado mayor cantidad de artistas distintos que los amantes de la m¨²sica popular.

Sistemas de recomendaci¨®n

El funcionamiento de los recomendadores es aparentemente sencillo: los algoritmos registran y clasifican toda la m¨²sica que escucha cada usuario (g¨¦neros y subg¨¦neros musicales, nombre de las bandas, tiempo medio de reproducci¨®n, etc¨¦tera). Cuando alguien pincha sobre un tema, el sistema le muestra qu¨¦ han escuchado usuarios afines.

El equipo de investigadores que firma el estudio, todos ellos de universidades y centros de investigaci¨®n austriacas y holandesas, decidi¨® poner a prueba la eficacia de los sistemas de recomendaci¨®n para encontrarle las costuras. Para ello aplic¨® un modelo computerizado a una base de datos propia elaborada a partir del historial de m¨²sica escuchada por 4.148 usuarios de Last.fm. Se eligi¨® que la mitad de ellos fueran oyentes habituales de m¨²sica convencional, o mainstream music (la m¨¢s corriente), y la otra mitad prefirieran g¨¦neros m¨¢s alternativos (los que se desv¨ªan de lo m¨¢s habitual).

Cuatro subg¨¦neros alternativos

Los m¨¢s de 3,4 millones de canciones comprendidas en la base de datos se clasificaron en base a una serie de ¡°componentes ac¨²sticos¡± que describen el contenido de una pista determinada, los mismos que usa Spotify en sus sistemas de cribado de canciones: si es bailable, si el tema incluye voces o es enteramente instrumental, si es un tema de estudio o tocado en directo, etc¨¦tera.

Con esa informaci¨®n, los investigadores obtuvieron un retrato m¨¢s detallado de qu¨¦ es la m¨²sica convencional y qu¨¦ no. A partir de ah¨ª, usaron un modelo computerizado para clasificar la m¨²sica que se escapa de los c¨¢nones (la no convencional) en cuatro grandes categor¨ªas: folk (m¨²sica con mucha ac¨²stica), rock duro (m¨²sica con mucha energ¨ªa), ambiental (m¨²sica con un fuerte componente ac¨²stico e instrumental) y electr¨®nica (mucha energ¨ªa y fuerte componente instrumental).

Tras tener a todos los usuarios clasificados en subgrupos, se procedi¨® a aplicar cuatro algoritmos distintos de recomendaci¨®n de m¨²sica. El estudio concluye que los oyentes que prefieren la m¨²sica ambiental reciben recomendaciones significativamente mejores que los amantes del hardrock.

La variedad y cantidad influyen

La llamada ¡°apertura¡± (si los amantes de un g¨¦nero musical recomiendan tambi¨¦n temas de otros g¨¦neros) y la ¡°diversidad¡± (escuchar a distintos grupos, pero dentro del mismo g¨¦nero) son dos variables que, aseguran los autores, se ha comprobado en otros estudios que influyen en la calidad de las recomendaciones. Una de las preguntas que se planteaba responder esta investigaci¨®n era si los oyentes de m¨²sica no convencional tienen tambi¨¦n gustos m¨¢s abiertos y diversos que el resto, lo cual ayudar¨ªa a explicar la falta de acierto de los algoritmos de recomendaci¨®n.

Sin embargo, al relacionar los resultados con la apertura y la diversidad, los oyentes de m¨²sica ambiental resultan ser el grupo m¨¢s abierto pero tambi¨¦n el menos diverso (recomiendan m¨¢s canciones de otros g¨¦neros, pero escuchan a menos bandas), mientras que con los amantes del rock duro sucede lo contrario: son los menos abiertos a recomendar otros g¨¦neros, pero siguen a m¨¢s bandas.

¡°Se han aplicado cuatro algoritmos de recomendaci¨®n y, en los cuatro casos, el grupo hardrock es el que peores resultados obtiene. Los del grupo m¨²sica ambiental, en cambio, recibieron mejores recomendaciones incluso que los de la m¨²sica convencional¡±, subrayan los investigadores, que llaman a las plataformas a esforzarse para encajar mejor los gustos de quienes escuchan rock duro y otros g¨¦neros menos populares. ¡°Entendemos que mejorar las recomendaciones para este grupo activo de usuarios tiene otros efectos, como mejorar la exposici¨®n de artistas a los sistemas de recomendaci¨®n¡±.

Puedes seguir a EL PA?S TECNOLOG?A en Facebook y Twitter.