我们的目标是使播放列表根据某人的情感变化而变化，从而超越流音乐服务。
“无论是在经过漫长的一天的会议之后上车还是在周末的早晨起床，它都应该根据您不断变化的心情调整建议，”信息学教授Maytal Saar-Tsechansky说，得克萨斯大学奥斯汀分校麦考姆斯商学院的风险和运营管理。
该项目始于Elad Liebman的创意，Elad Liebman是计算机科学博士学位的学生，他同时拥有音乐创作学位。他，Saar-Tsechansky和计算机科学教授Peter Stone设计的程序运行了一系列反馈循环。它尝试一首歌曲，听众对其进行评分，然后程序会在选择下一首歌曲时注意该评分。“然后您可以相应地更改模型，”利勃曼说。
该程序不仅会考虑听者喜欢的歌曲，而且会考虑听者的心情，并考虑听者的顺序。歌曲的组织方式很聪明，从而形成了富有表现力的“ DJ风格”序列，而不是随机的，听起来有些乱的序列。
像国际象棋棋手一样，它计划向前移动10首歌曲。在播放一首歌曲时，它会生成成千上万个可能的音序，并预测哪一首最能使听众满意。它提供了该播放列表中的下一首歌曲，并且在播放歌曲时，它会创建并测试新的音序。
在机器学习中，该机制称为蒙特卡洛搜索，这激发了程序的名称：DJ-MC。
研究人员可以使个性化DJ程序适应其他类型的媒体，从新闻报道到视频。
利勃曼说：“学习算法没有趣味，它们只有数据。” “只要人们以类似的方式使用数据集，就可以用任何东西替换数据集。”
Saar-Tsechansky走得更远。她说：“它可以在您向人类推荐事物的过程中发挥作用，这些经验是按顺序进行的。” “甚至可能是食物。”
该论文发表在《MIS》季刊上。
