본 논문은 스트리밍 플랫폼에서 대규모 음악 컬렉션의 관련 콘텐츠 관리 및 탐색에 필수적인 음악 유사성 검색을 위한 새로운 크로스-모달 대조 학습 프레임워크를 제시합니다. 기존의 단일 모달 접근 방식이 복잡한 음악적 관계를 포착하는 데 한계가 있다는 점을 해결하기 위해, 본 논문은 텍스트 설명의 개방적인 특성을 활용하여 음악 유사성 모델링을 안내하는 프레임워크를 제안합니다. 고품질 텍스트-음악 쌍 데이터의 부족을 극복하기 위해, 온라인 스크래핑과 LLM 기반 프롬프팅을 결합한 이중 소스 데이터 획득 방식을 도입하여, 신중하게 설계된 프롬프트를 통해 LLM의 포괄적인 음악 지식을 활용하여 맥락이 풍부한 설명을 생성합니다. 광범위한 실험을 통해 제안된 프레임워크가 객관적 지표, 주관적 평가 및 Huawei Music 스트리밍 플랫폼의 실제 A/B 테스트를 통해 기존 벤치마크보다 성능이 크게 향상됨을 보여줍니다.
