モチベーション 従来の音楽推薦技術は協調フィルタリングを用いることが多かったようですが、協調フィルタリングではマイナーな曲、新曲など「ユーザーからの評価が集まらない」作品をうまく扱えないという欠点があります。 音楽推薦技術のもう一つのアプローチ、「楽曲特徴量を抽出して推薦に活かす」という方法ならば、前述の問題を回避することができそうです。 そこで'End-to-end learning for music audio'1という論文を使って勉強しようとしたところソースコードが見つからなかったので、自力で再現して「DeepLearningで楽曲特徴量を抽出し、タグを予測する」タスクを行うことにしました。(なお、一部作業を変更し、完全な再現ではないことをご了承くださいませ。) 音楽をPython, DeepLearningで処理する記事があまり見つからなかったので、何かの参考になれば幸いです。
![DeepLearningで楽曲特徴量を抽出し、タグを予測する - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/82b9d91b5f0e63377c88cf10d28f59351db404e2/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-1150d8b18a7c15795b701a55ae908f94.png%3Fixlib%3Drb-1.2.2%26w%3D1200%26mark%3Dhttps%253A%252F%252Fqiita-user-contents.imgix.net%252F~text%253Fixlib%253Drb-1.2.2%2526w%253D840%2526h%253D380%2526txt%253DDeepLearning%2525E3%252581%2525A7%2525E6%2525A5%2525BD%2525E6%25259B%2525B2%2525E7%252589%2525B9%2525E5%2525BE%2525B4%2525E9%252587%25258F%2525E3%252582%252592%2525E6%25258A%2525BD%2525E5%252587%2525BA%2525E3%252581%252597%2525E3%252580%252581%2525E3%252582%2525BF%2525E3%252582%2525B0%2525E3%252582%252592%2525E4%2525BA%252588%2525E6%2525B8%2525AC%2525E3%252581%252599%2525E3%252582%25258B%2526txt-color%253D%252523333%2526txt-font%253DHiragino%252520Sans%252520W6%2526txt-size%253D54%2526txt-clip%253Dellipsis%2526txt-align%253Dcenter%25252Cmiddle%2526s%253Dd03addea09667b0d2523f291d50aa299%26mark-align%3Dcenter%252Cmiddle%26blend%3Dhttps%253A%252F%252Fqiita-user-contents.imgix.net%252F~text%253Fixlib%253Drb-1.2.2%2526w%253D840%2526h%253D500%2526txt%253D%252540himono%2526txt-color%253D%252523333%2526txt-font%253DHiragino%252520Sans%252520W6%2526txt-size%253D45%2526txt-align%253Dright%25252Cbottom%2526s%253D281218c2b8af5170a216493c49788a22%26blend-align%3Dcenter%252Cmiddle%26blend-mode%3Dnormal%26s%3Df99ea689a8190fc714de68aec49994ec)