Inteligencia artificial

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

Un grupo de investigadores concluye que los sistemas de recomendación de portales como Spotify o Last.fm funcionan mejor con la música convencional. Entre los motivos, el llamado sesgo de la popularidad

Metallica durante un concierto en Barcelona en febrero de 2018
Metallica durante un concierto en Barcelona en febrero de 2018Xavi Torrent / Redferns

Una de las características más aplaudidas de las plataformas de streaming de música como Spotify, Last.fm o Deezer es su sistema de recomendación de temas. Resulta muy útil para navegar por sus extensísimos catálogos y, si funciona bien, incluso permite descubrir nuevas bandas favoritas. Un estudio recién publicado en la revista EPJ Data Science concluye que el tipo de música que se escuche influye, y bastante, en la eficacia de las recomendaciones. Más concretamente, el trabajo establece que los interesados en “música convencional” (la más popular o escuchada) tienden a recibir recomendaciones que se ajustan mucho más a sus gustos que quienes prefieren géneros más 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 también por investigaciones anteriores que quienes escuchan música que se escapa del carril suelen tener unos perfiles de usuario más complejos: han escuchado mayor cantidad de artistas distintos que los amantes de la música popular.

Sistemas de recomendación

El funcionamiento de los recomendadores es aparentemente sencillo: los algoritmos registran y clasifican toda la música que escucha cada usuario (géneros y subgéneros musicales, nombre de las bandas, tiempo medio de reproducción, etcétera). Cuando alguien pincha sobre un tema, el sistema le muestra qué han escuchado usuarios afines.

El equipo de investigadores que firma el estudio, todos ellos de universidades y centros de investigación austriacas y holandesas, decidió poner a prueba la eficacia de los sistemas de recomendación para encontrarle las costuras. Para ello aplicó un modelo computerizado a una base de datos propia elaborada a partir del historial de música escuchada por 4.148 usuarios de Last.fm. Se eligió que la mitad de ellos fueran oyentes habituales de música convencional, o mainstream music (la más corriente), y la otra mitad prefirieran géneros más alternativos (los que se desvían de lo más habitual).

La banda Queens of the Stone Age  durante su presentacion en el  festival de rock Vive Latino 2018 en la Ciudad de México el día 18 de marzo de 2018.
La banda Queens of the Stone Age durante su presentacion en el festival de rock Vive Latino 2018 en la Ciudad de México el día 18 de marzo de 2018. Alicia Fernandez / El País

Cuatro subgéneros alternativos

Los más de 3,4 millones de canciones comprendidas en la base de datos se clasificaron en base a una serie de “componentes acústicos” 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, etcétera.

Con esa información, los investigadores obtuvieron un retrato más detallado de qué es la música convencional y qué no. A partir de ahí, usaron un modelo computerizado para clasificar la música que se escapa de los cánones (la no convencional) en cuatro grandes categorías: folk (música con mucha acústica), rock duro (música con mucha energía), ambiental (música con un fuerte componente acústico e instrumental) y electrónica (mucha energía y fuerte componente instrumental).

Tras tener a todos los usuarios clasificados en subgrupos, se procedió a aplicar cuatro algoritmos distintos de recomendación de música. El estudio concluye que los oyentes que prefieren la música ambiental reciben recomendaciones significativamente mejores que los amantes del hardrock.

La variedad y cantidad influyen

La llamada “apertura” (si los amantes de un género musical recomiendan también temas de otros géneros) y la “diversidad” (escuchar a distintos grupos, pero dentro del mismo género) 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 investigación era si los oyentes de música no convencional tienen también gustos más abiertos y diversos que el resto, lo cual ayudaría a explicar la falta de acierto de los algoritmos de recomendación.

Sin embargo, al relacionar los resultados con la apertura y la diversidad, los oyentes de música ambiental resultan ser el grupo más abierto pero también el menos diverso (recomiendan más canciones de otros géneros, pero escuchan a menos bandas), mientras que con los amantes del rock duro sucede lo contrario: son los menos abiertos a recomendar otros géneros, pero siguen a más bandas.

“Se han aplicado cuatro algoritmos de recomendación y, en los cuatro casos, el grupo hardrock es el que peores resultados obtiene. Los del grupo música ambiental, en cambio, recibieron mejores recomendaciones incluso que los de la música convencional”, subrayan los investigadores, que llaman a las plataformas a esforzarse para encajar mejor los gustos de quienes escuchan rock duro y otros géneros menos populares. “Entendemos que mejorar las recomendaciones para este grupo activo de usuarios tiene otros efectos, como mejorar la exposición de artistas a los sistemas de recomendación”.

Puedes seguir a EL PAÍS TECNOLOGÍA en Facebook y Twitter.

Archivado En:

Más información

Te puede interesar

Lo más visto en...

Top 50