Logo des Repositoriums

Auflistung nach Autor:in "Mayerl, Maximilian"

1 - 2 von 2
  • Konferenzbeitrag
    Pairwise Learning to Rank for Hit Song Prediction
    (BTW 2023, 2023) Mayerl, Maximilian; Vötter, Michael; Specht, Günther; Zangerle, Eva
    Predicting the popularity of songs in advance is of great interest to the music industry, with possible applications including assessing the potential of a new song, automated songwriting assistants, or song recommender systems. Traditional approaches for solving this use pointwise models focused on single songs, either using classification to categorize songs into classes like hit and non-hit, or regression to predict popularity metrics like play count. We propose to draw inspiration from research on learning to rank and instead use a pairwise model. Our model takes a pair of songs A and B and predicts whether song A is more popular than song B. Based on this problem formulation, we propose a neural network model that is trained in a pairwise fashion, as well as two data augmentation strategies for improving its performance. We also compare our model to one trained in a traditional pointwise way. Our results show that the pairwise model using our proposed augmentation strategies outperforms the pointwise model.
  • Zeitschriftenartikel
    RelaX
    (Datenbank-Spektrum: Vol. 21, No. 1, 2021) Specht, Günther; Kessler, Johannes; Mayerl, Maximilian; Tschuggnall, Michael
    Das relationale Modell und insbesondere die relationale Algebra bilden die Grundlage jedes relationalen Datenbanksystems. Daher ist es in der Lehre wichtig, den Studierenden eine fundierte Einführung in die relationale Algebra zu geben. Nur so erhalten sie ein vertieftes Verständnis für die interne Ausführung einer Anfrage. Während es viele Möglichkeiten gibt, SQL zu üben, fehlen bisher größtenteils solche Möglichkeiten für die relationale Algebra. Sie wird meist nur theoretisch unterrichtet. Darum hat die Forschungsgruppe DBIS an der Universität Innsbruck ein rein webbasiertes Tool entwickelt, das die Lehre der relationalen Algebra erleichtern und verbessern soll: RelaX. RelaX ist unter http://dbis-uibk.github.io/relax/ frei verfügbar.