网易云音乐分析之推荐算法
本篇文章我们从网易云音乐的推荐功能出发,结合我的实习工作,聊一聊互联网的常用推荐策略。 首先来回顾一下云音乐的推荐功能。 网易云音乐推荐 音乐推荐是创始人丁磊先生愿景最直接的体现,也是网易云音乐的主推功能和核心竞争力所在,备受用户推崇。 推荐算法简单说就是在海量的用户数据(行为记录等)中对用户进行划分,对同一群体的用户推荐其他用户喜欢的音乐。 这其中需要给音乐分类并建立评分细则、建立用户模型、寻找相似用户,基于用户的行为数据将歌曲分类匹配——实现“盲听”。 网易云将音乐推荐分成三个部分:私人FM、每日歌曲推荐、推荐歌单。 1. 从准确性、多样性角度分析 私人FM 准确性低、多样性高 多样性高能为用户带来新鲜感,如果发现了一首从未听过但特别喜欢的歌,会带来惊喜感,调动用户正面情绪。 可是由于准确性低,很可能新歌很不被用户喜欢,所以在私人FM在播放界面设置“删除”、“下一首”两个按键便于用户切换歌曲。 每日歌曲推荐 准确性高、多样性低 准确性高使得每日推荐的20首歌曲比较好的满足用户口味,但是存在音乐类型单一化的问题,因此设置了播放列表以提供用户浏览、操作的权利,弥补曲目单一化带给用户的失望。 推荐歌单 准确性中、多样性中 推荐歌单有别于其他两个个性化推荐功能,它准确性多样性的阈值不只是由算法决定的,更多的是它功能形式所决定的。 首先把功能的面向对象分为两类,一类是用户