Docent: A content-based recommendation system to discover contemporary art

要約

レコメンデーションシステムは、音楽、映画、eショッピングなど、さまざまな分野で広く使用されています。デジタル化をほとんど回避した後、アートの世界は最近、パンデミックにより技術的なターニングポイントに達し、オンライン販売を大幅に成長させ、定量的なものを提供しています。
アーティストやアートワークに関するオンラインデータ。
この作品では、アートワークの画像とアーティストのコンテキストメタデータに依存する現代アートに関するコンテンツベースのレコメンデーションシステムを紹介します。
モデルのトレーニングに使用される完全にユニークなデータベースを作成するために、高度なアート固有の情報を使用してアートワークを収集して注釈を付けました。
この情報を使用して、アートワーク間の近接グラフを作成しました。
同様に、NLP手法を使用してアーティストの実践を特徴付け、展示会やその他のイベント履歴から情報を抽出して、アーティスト間の近接グラフを作成しました。
グラフ分析の力により、アートワークとアーティストからの視覚的情報とコンテキスト情報の組み合わせに基づいたアートワーク推奨システムを提供できます。
アートスペシャリストのチームによる評価の後、専門家による評価と比較した場合、意味のあるアートワークの平均最終評価は75％になります。

要約(オリジナル)

Recommendation systems have been widely used in various domains such as music, films, e-shopping etc. After mostly avoiding digitization, the art world has recently reached a technological turning point due to the pandemic, making online sales grow significantly as well as providing quantitative online data about artists and artworks. In this work, we present a content-based recommendation system on contemporary art relying on images of artworks and contextual metadata of artists. We gathered and annotated artworks with advanced and art-specific information to create a completely unique database that was used to train our models. With this information, we built a proximity graph between artworks. Similarly, we used NLP techniques to characterize the practices of the artists and we extracted information from exhibitions and other event history to create a proximity graph between artists. The power of graph analysis enables us to provide an artwork recommendation system based on a combination of visual and contextual information from artworks and artists. After an assessment by a team of art specialists, we get an average final rating of 75% of meaningful artworks when compared to their professional evaluations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google