中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

根據查找的一些資料和自己的一些猜想，本文作者對推薦算法進行簡單說明和對云音樂的推薦算法進行猜想。

每日歌曲推薦banner左下角有一行字：“根據你的音樂口味生成，每天6:00更新”?？梢姡埔魳防孟嚓P推薦算法每天運行，對每個用戶進行個性化推薦。不得不說，自己從每日歌曲推薦里找到好多喜歡的音樂和小眾歌手。同時，隨意在微博里搜了一下相關評論，看來個性化推薦真的做到好評如潮。

所以，接下來根據查找的一些資料和自己的一些猜想，對推薦算法進行簡單說明和對云音樂的推薦算法進行猜想。

什么是推薦算法？

簡單的說是一些函數。根據用戶的個人標簽和近期做了一些動作（如聽了某首歌、喜歡了某首歌、收藏了某個歌單…），然后后臺根據推薦算法給每個用戶推薦可能符合口味的商品。

構建推薦算法的目的是什么？

1、幫助用戶找到想要的商品，發掘長尾

想要幫用戶找到想要的東西，卻沒那么容易。在經濟學中，有一個著名理論叫長尾理論（The Long Tail）。

套用在互聯網領域中，指的就是最熱的那一小部分資源將得到絕大部分的關注，而剩下的很大一部分資源卻鮮少有人問津。這不僅造成了資源利用上的浪費，也讓很多口味偏小眾的用戶無法找到自己感興趣的內容。

2、降低信息過載

互聯網時代信息量已然處于爆炸狀態，若是將所有內容都放在網站首頁上用戶是無從閱讀的，信息的利用率將會十分低下。因此我們需要推薦系統來幫助用戶過濾掉低價值的信息。

3、提高站點的點擊率/轉化率?

好的推薦系統能讓用戶更頻繁地訪問一個站點，并且總是能為用戶找到他想要購買的商品或者閱讀的內容。

4、加深對用戶的了解，為用戶提供定制化服務?

可以想見，每當系統成功推薦了一個用戶感興趣的內容后，我們對該用戶的興趣愛好等維度上的形象是越來越清晰的。當我們能夠精確描繪出每個用戶的形象之后，就可以為他們定制一系列服務，讓擁有各種需求的用戶都能在我們的平臺上得到滿足。

推薦算法主要有哪些？

1. 基于流量熱度推薦
2. 基于內容推薦
3. 協同過濾推薦
4. 基于關聯規則推薦
5. 基于知識推薦
6. 組合算法推薦

云音樂推薦算法猜想

核心：協同過濾算法（CF）。

協同過濾算法有兩種，基于人（user）、基于歌曲（song）：

1. 基于人：eg、分析用戶user1、user2、user3的偏好；找到聽歌風格相近的用戶user1、user3；推薦user1聽user3聽過而user1沒有聽過的歌song5
2. 基于歌曲：eg、分析user1喜歡聽的song1分別與song2、song3的相似性（每首歌有很多tag）；推薦user1聽與song1相似風格的song3。

協同過濾算法利用余弦相似度計算向量間的相似性，結果范圍[-1,1]。

具體想發法如下：

（1）若是基于人的算法，可能會存在一些問題：要計算每個用戶間的相似度，計算量大；如果是一個新用戶，很難向他推薦音樂。

（2）所以云音樂在推薦上，極大可能是基于歌曲。即對每首歌進行標簽化，然后對歌曲之間進行計算。但是，不難發現，每首歌曲只有作者、專輯、包含歌單。所以，如果僅僅是根據每首歌曲的標簽也很難進行相似度計算。

（3）這時候，引入歌單，即云音樂后臺有大量用戶們自己創建的相似歌曲的歌單。每個收聽次數較多的歌單都有相應的標簽，即音樂的語種、風格等。將音樂表與歌單表相關聯，而后計算每個歌單里每首歌的相似度，進行推薦。

（4）個人覺得這也是最重要的一步：音樂評分體系。

每日歌曲推薦的大部分是評論+999的歌，所以在找到相似歌單同時，進一步篩選有質量的歌曲推薦給用戶。（這也只是自己的一個猜測而已）

這是自己最近看了一些參考文章和對云音樂推薦的大致猜想?？傆X得自己還有很多地方沒考慮周全，所以歡迎留言多多交流。

相關參考

【1】推薦系統算法初探 ?http://dwz.cn/4HyI1v

【2】推薦算法 ?http://dwz.cn/4HLdi0

【3】推薦算法 https://www.zhihu.com/topic/19580544/hot

作者：ＭＯＭＯ

來源：微信公眾號：數據分析實習生（DA_Intern）

本文由 @ＭＯＭＯ 授權發布于人人都是產品經理，未經作者許可，禁止轉載。