网易云音乐每日歌曲推荐的原理是什么？
我也曾经在思考 为什么有时候网易推送的歌曲这么沁入心脾 正好是我想听的或者正好是我红心的调调 后来我理性的统计了下 其实日推到后面很多时候是不准的 一次日推可能只有1-2个红心 当然除非你听歌不是杂食 比如你只爱听古典 那推送的红心几率就很大 比如你只听雷鬼音乐 那推送的风格正好符合你的爱好 那对于杂食的人来说 其实这种推送也就是在“猜闷”那到底准不准呢 因人而异吧 只能说网易这方面做的工作相对其他软件提前了一些 什么员工筛选 我是打死也不信的。
制片帮素材
2024-05-07 广告
你可能以为网易是用一天时间做一个大数据的计算，辛苦推荐出来。但是我今天做了一个试验。推荐的全是我平时不听的华语音乐。我全部点了不感兴趣。然后再点进去每日推荐，神奇的事情出现了，每日推荐又满了。再全部消掉，再点进去，又满了。说明网易的推荐其实是可以瞬间完成的，平时的每日推荐只不过是每天六点强制刷新一次。这三次推荐都是我不听的华语音乐。我开始寻找原因。原来红心里最新添加了几首华语歌。全部删掉，再点开推荐，就换风格了。重复这个操作，可以发现，推荐的歌曲并不是和红心的所有歌曲有关系，而是和最近红心的十首以内的歌曲有关。我没有测试具体数字。再试验另一个方面，我把所有红心删掉，这次没有推荐。我加上了一首金属音乐。这次下面出现几首金属音乐。上面出现的竟然都是我刚开始用网易音乐时期的推荐。我猜想网易有一个音乐库，无论喜欢的音乐是什么。在新手时期都可能推荐这个音乐库里面的音乐。重度用户会减少这个库的推荐。
关于推荐算法现在讨论的也很多，比较基本的两种是
collaborative filtering（CF） 和 content-based (CB)两种，整个推荐系统的核心我觉得就是找两个objects（可以是歌曲，可以是用户）之间的相似度。
大概意思就是说，CB就是根据用户自己提供的信息，比如建立账号时生日啊岁数啊喜好啊，还有你用了产品之后的一些操作，比如
CF则是基于一个前提，假设甲喜欢产品a， 乙也喜欢产品a，那么乙如果买了产品b并说好，那么甲也很有可能会觉得b不错，所以就推荐给你，当然真实操作肯定不会只用一个产品确定这种联系。这是简单的背景，如今很多公司，比如淘宝还是亚马逊，任何推荐算法本身都不可能只是单一的一种，一般都是复合型的（hybrid）。其实还有很多其他的推荐算法不过就不说了。假设你选定了一个算法，那么你就得用那个来量化相似度，因为有了量化的相似度，你才能排序，才能按照顺序从可能喜欢到最不可能喜欢推荐给用户。具体量化方法，欧几里得距离是比较简单和方便的那种。其实这个就是数学概念的矢量，可以有很多个dimensions，然后算数学距离。那么现在你有了这个排名，你得不断更新，因为不可能一下子就完全把用户的喜好口味抓住，你得通过长时间的使用让属于你的data更多，这样出来的结果也会更准确，这也是为啥你新注册账号，如果乱选或者喜欢的音乐差异较大，推荐的内容就比较不稳定。关于具体的实现，网易的我肯定不知道，不过我想如果你真想自己做一个，写好这个之后租一个服务器，定时跑一次就可以了，大部分创业公司都是这样。ps. 我听音乐怕毁了推荐内容，所以是网易云和apple music一起用，一个专门听古典一个听其他，不知道是不是强迫症，反正我觉得音乐种类在算法中的权重应该是相当重的。
