只是一种猜想：云音乐的推荐算法

小提示：您能找到这篇{只是一种猜想：云音乐的推荐算法}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的只是一种猜想：云音乐的推荐算法内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

根据查找的一些资料和自己的一些猜想，本文作者对推荐算法进行简单说明和对云音清远短视频矩阵推广怎么运乐的推荐算法进行猜想。

每日歌曲推荐banner左下角有一行字：“根据你的音乐口味生成，每天6:00更新”。可见，云音乐利用相关推荐算法每天运行，对每个用户进行个性化推荐。不得不说，自己从每日歌曲推荐里找到好多喜欢的音乐和小众歌手。同时，随意在微博里搜了一下相关评论，看来个性化推荐真的做到好评如潮。

所以，接下来根据查找的一些资料和自己的一些猜想，对推荐算法进行简单说明和对云音乐的推荐算法进行猜想。

什么是推荐算法？

简单的说是一些函数。根据用户的个人标签和近期做了一些动作（如听了某首歌、喜欢了某首歌、收藏了某个歌单…），然后后台根据推荐算法给每个用户推荐可能符合口味的商品。

构建推荐算法的目上海软文推广营销哪家做的的是什么？

1、帮助用户找到想要的商品，发掘长尾

想要帮全屋定制营销方案用户找到想要的东西，却没那么容易。在经济学中，有一个著名理论叫长尾理论（The Long Tail）。

套用在互联网领域中，指的就是最热的那一小部分资源将得到绝大部分的关注，而剩下的很大一部分资源却鲜少有人问津。这不仅造成了资源利用上的浪费，也让很多口味偏小众的用户无法找到自己感兴趣的内容。

2、降低信息过载

互联网时代信息量已然处于爆炸状态，若是将所有内容都放在网站首页上用户是无从阅读的，信息的利用率将会十分低下。因此我们需要推荐系统来帮助用户过滤掉低价值的信息。

3、提高站点的点击率/转化率

好的推荐系统能让用户更频繁地访问一个站点，并且总是能为用户找到他想要购买的商品或者阅读的内容。

4、加深对用户的了解，为用户提供定制化服务

可以想见，每当系统成功推荐了一个用户感兴趣的内容后，我们对该用户的兴趣爱好等维度上的形象是越来越清晰的。当我们能够精确描绘出每个用户的形象之后，就可以为他们定制一系列服务，让拥有各种需求的用户都能在我们的平台上得到满足。

推荐算法主要有哪些？

1. 基于流量热度推荐
2. 基于内容推荐
3. 协同过滤推荐
4. 基于关联规则推荐
5. 基于知识推荐
6. 组合算法推荐

云音乐推荐算法猜想

核心：协同过滤算法（CF）。

协同过滤算法有两种，基于人（user）、基于歌曲（song）：

1. 基于人：eg、分析用户user1、user2、user3的偏好；找到听歌风格相近的用户user1、user3；推荐user1听user3听过而user1没有听过的歌song5
2. 基于歌曲：eg、分析user1喜欢听的song1分别与song2、song3的相似性（每首歌有很多tag）；推荐user1听与song1相似风格的song3。

协同过滤算法利用余弦相似度计算向量间的相似性，结果范围[-1,1]。

具体想发法如下：

（1）若是基于人的算法，可能会存在一些问题：要计算每个用户间的相似度，计算量大；如果是一个新用户，很难向他推荐音乐。

（2）所以云音乐在推荐上，极大可能是基于歌曲。即对每首歌进行标签化，然后对歌曲之间进行计算。但是，不难发现，每首歌曲只有作者、专辑、包含歌单。所以，如果仅仅是根据每首歌曲的标签也很难进行相似度计算。

（3）这时候，引入歌单，即云音乐后台有大量用户们自己创建的相似歌曲的歌单。每个收听次数较多的歌单都有相应的标签，即音乐的语种、风格等。将音乐表与歌单表相关联，而后计算每个歌单里每首歌的相似度，进行推荐。

（4）个人觉得这也是最重要的一步：音乐评分体系。

每日歌曲推荐的大部分是评论+999的歌，所以在找到相似歌单同时，进一步筛选有质量的歌曲推荐给用户。（这也只是自己的一个猜测而已）

这是自己最近看了一些参考文章和对云音乐推荐的大致猜想。总觉得自己还有很多地方没考虑周全，所以欢迎留言多多交流。

相关参考

【1】推荐系统算法初探 http://dwz.cn/4HyI1v

【2】推荐算法 http://dwz.cn/4HLdi0

【3】推荐算法 https://www.zhihu.com/topic/19580544/hot

作者：ＭＯＭＯ

来源：微信公众号：数据分析实习生（DA_Intern）

本文由 @ＭＯＭＯ 授权发布于，未经作者许可，禁止转载。