网易云音乐是如何做到个性化推荐的？ - 简书
下载简书移动应用
写了3356字，被13人关注，获得了19个喜欢
网易云音乐是如何做到个性化推荐的？
下文很多内容来源于知乎，原作者有知乎用户nick lee,邰原朗，木易咩咩.详情请查看原链接商业转载请联系作者获得授权，非商业转载请注明出处。网易云音乐的推荐功能，是其最广受好评的功能，在众多的音乐APP中也一枝独秀，那它究竟是如何实现其精准的音乐推送功能的呢？它的推荐算法是怎样运作的呢？我们先来看一下一组对于网易云音乐空白用户所进行的一组测试。
可以看出，网易云音乐收集的用户行为有包括：播放、喜欢、下载。是基于用户对于歌曲的操作行为来进行推荐，而没有根据对歌单或歌手的操作来进行推荐。而对网易云音乐进行截包分析，发现在每次播放结束后，会向服务器传递一个行为记录。当中会对用户兴趣产生影响的有：是否完整播放及播放的时长，歌曲的来源。因此我们可以看到，网易云音乐的推荐功能更多是基于歌曲的播放记录所进行的推荐功能。在上面的例子中，播放歌曲后推荐系统的反应是最好的，有推荐歌曲的入口跟推荐的歌单。其次是喜欢及收藏歌曲，只推荐歌曲而没有推荐歌单。而按照常理来推测，喜欢和下载，是一种更强烈能反应出用户兴趣的行为。正常用户的操作，是在播放歌曲之后再进行喜欢或下载等进一步操作。所以觉得，在推荐行为里面可能的权重为（按用户操作的成本）：下载+播放&喜欢+播放&播放接下来我们再来看一下有推荐结果的行为：
初步判断，推荐的算法权重判断上，更加看重某些歌曲的播放次数。单曲播放的权重影响并不大。再看一组播放数据：
推荐系统对是否最近播放的反应很敏感，对主动中止播放这个行为不敏感。而切歌算是一种用户主动不喜欢的行为，理想的推荐结果，应该全部都是纯音乐。而根据我自己使用网易云音乐的经历，曾经播放+喜欢了几首纯音乐，之后私人FM播放过程中连续出现了好几首纯音乐，都选择了马上跳过的处理，但连续好久一直出现推送纯音乐的情况，网易云音乐会记录用户是否完整播放及播放的时长，但在对此的处理还略显不足。而网易云音乐歌单推荐相对于歌曲推荐算法会简单很多根据推荐歌单下的提示，主要的逻辑有：
可能喜欢的歌曲，是经过播放记录去判定的，多次听一首歌，推荐系统就会判定你可能喜欢这首歌。而推荐算法，基本上都是基于以下两个基本条件来展开的，·根据和你共同喜好的人来给你推荐·根据你喜欢的物品找出和它相似的来给你推荐我们来看一下目前主要的两种基础算法，并基于基础的算法来看一下网易云音乐的推荐功能是如何实现的。一.协同过滤算法基于用户的协同过滤算法：这种算法最大的问题如何判断并量化两人的相似性，思路是这样例子：有3首歌放在那里，《最炫民族风》，《晴天》，《Hero》。A君，收藏了《最炫民族风》，而遇到《晴天》，《Hero》则总是跳过；B君，经常单曲循环《最炫民族风》，《晴天》会播放完，《Hero》则拉黑了C君，拉黑了《最炫民族风》，而《晴天》《Hero》都收藏了。我们都看出来了，A,B二位品味接近，C和他们很不一样。那么问题来了，说A，B相似，到底有多相似，如何量化？我们把三首歌想象成三维空间的三个维度，《最炫民族风》是x轴，《晴天》是y轴，《Hero》是z轴，对每首歌的喜欢程度即该维度上的坐标，并且对喜欢程度做量化(比如： 单曲循环=5,下载=4,收藏=3,主动播放=2 ,听完=1,跳过=-1 ,拉黑=-5 )。那么每个人的总体口味就是一个向量，A君是(3,-1,-1)，B君是(5,1,-5)，C君是(-5,3,3)。我们可以用向量夹角的余弦值来表示两个向量的相似程度，0度角(表示两人完全一致)的余弦是1，180%角(表示两人截然相反)的余弦是-1。根据余弦公式,夹角余弦=向量点积/ (向量长度的叉积)= ( x1x2 + y1y2 + z1z2) / (跟号(x1平方+y1平方+z1平方) x跟号(x2平方+y2平方+z2平方) )可见A君B君夹角的余弦是0.81，A君C君夹角的余弦是-0.97，公式诚不欺我也。以上是三维(三首歌)的情况，如法炮制N维N首歌的情况都是一样的。这种算法，最核心的关键是要如何找到和我爱好相似的人。在实际操作中，如果全部计算N个人对N首歌的喜好程度，计算量太大。前面的过程中我们计算出了相似度，我们可以只取相似度大于0.9的K个人，然后用相似度X喜欢程度求和，这样我们就可以得到每首歌对于你来说的推荐度了，这大致上就是协同过滤算法的基础。我们来看一下这个算法对于网易云音乐的切合度，其实虾米音乐更加可能采用这种协同过滤算法，因为虾米有一个功能，叫“品味相似”功能，根据你的品味推荐爱好相同的好友（虽然根据页面提示，更加可能与关注的歌手有关，但不清楚是否有加入根据播放记录来进行推荐）这和我们前面计算用户相似度的算法是不是很相似？而网易云音乐更加可能是采取下面我们要提到的算法。而根据物品的协同过滤算法，更加常用于购物方面。也就是amazon发明的，“买了这个商品的人，也买了XXXX”。在购物方面，用户最终购买商品的行为数目不多，用这种算法比较简便，准确度也较高。但在音乐APP中，一个用户会听许多首歌曲，用这种算法，计算量大，准确度也很难保证。二．潜在因子算法这种算法的思想是这样：每个用户（user）都有自己的偏好，比如A喜欢带有小清新的、吉他伴奏的、王菲等元素（latent factor），如果一首歌（item）带有这些元素，那么就将这首歌推荐给该用户，也就是用元素去连接用户和音乐。每个人对不同的元素偏好不同，而每首歌包含的元素也不一样。我们希望能找到这样两个矩阵：一，用户-潜在因子矩阵Q，表示不同的用户对于不用元素的偏好程度，1代表很喜欢，0代表不喜欢。比如下面这样：
二，潜在因子-音乐矩阵P，表示每种音乐含有各种元素的成分，比如下表中，音乐A是一个偏小清新的音乐，含有小清新这个Latent Factor的成分是0.9，重口味的成分是0.1，优雅的成分是0.2……
利用这两个矩阵，我们能得出张三对音乐A的喜欢程度是：张三对小清新的偏好*音乐A含有小清新的成分+对重口味的偏好*音乐A含有重口味的成分+对优雅的偏好*音乐A含有优雅的成分+……
即：0.6*0.9+0.8*0.1+0.1*0.2+0.1*0.4+0.7*0=0.69每个用户对每首歌都这样计算可以得到不同用户对不同歌曲的评分矩阵。（注，这里的破浪线表示的是估计的评分，接下来我们还会用到不带波浪线的R表示实际的评分）：
因此我们对张三推荐四首歌中得分最高的B，对李四推荐得分最高的C，王五推荐B。如果用矩阵表示即为：
下面问题来了，这个潜在因子（latent factor）是怎么得到的呢？由于面对海量的让用户自己给音乐分类并告诉我们自己的偏好系数显然是不现实的，事实上我们能获得的数据只有用户行为数据。我们沿用量化标准：单曲循环=5,分享=4,收藏=3,主动播放=2 ,听完=1,跳过=-2 ,拉黑=-5，在分析时能获得的实际评分矩阵R，也就是输入矩阵大概是这个样子：
事实上这是个非常非常稀疏的矩阵，因为大部分用户只听过全部音乐中很少一部分。如何利用这个矩阵去找潜在因子呢？这里主要应用到的是矩阵的UV分解。也就是将上面的评分矩阵分解为两个低维度的矩阵，用Q和P两个矩阵的乘积去估计实际的评分矩阵，而且我们希望估计的评分矩阵
例如我们上面给出的那个例子可以分解成为这样两个矩阵：
这两个矩阵相乘就可以得到估计的得分矩阵：
将用户已经听过的音乐剔除后，选择分数最高音乐的推荐给用户即可（红体字）。在这个例子里面用户7和用户8有强的相似性：
推荐的结果来看，正好推荐的是对方评分较高的音乐：
这应该就是网易云音乐所采用的基础的算法。从网易云音乐的的个版本迭代来看，一开始的时候网易云音乐在初始页面的时候让用户选择喜欢的tag，现在的新用户引导界面是通过一个测试，来测试你基础的音乐爱好。可以看出，这个就是潜在因子算法上先确定用户基础的潜在因子，然后在用户接下来的使用过程中，根据用户的操作来强化用户的潜在因子。当确定了最基础的推荐算法之后，用户可以得到精准的推荐曲目，那下来我们还应该做什么呢？对于大多数的用户，在使用推荐功能时，往往不会需要听重复类型的歌曲，用户不会希望推荐的全部都是听过的热门歌曲，不会希望推荐的都是相同类型的歌曲，这就需要具体的筛选过程了。因为对于音乐推荐而言，如果你推荐的都是热门的歌曲，哪怕这些歌确实是他喜欢的，但是用户是不会有惊喜感的。比如说一个用户平常都喜欢听周杰伦的歌，之后的推荐列表也都是周杰伦的曲目。虽然这确实是用户喜欢的，但很难有惊喜感。一个音乐APP能够让人有惊艳的感觉，所推荐的歌曲，除了喜欢之后，还应该是大多都没听过，或者好久以前听过早就忘记了名字，这样才能够有足够的用户体验。而QQ音乐最近也推出了自己的个性化推荐功能，下图是他的推荐算法引擎：
但它的用户反馈却并不是很好，我认为主要的原因有：1.根据歌手，歌单等进行推荐更难获得合适的歌曲。因为歌手，歌单等更加的复杂，用户会因为一首歌而喜欢上某个歌手，但不一定喜欢他的所有歌曲。网易云音乐也有这个功能，但并没有出现在个性化推荐模块，而是将其放在认识的人“动态”功能模块，让用户做进一步的选择。2.对于推荐结果之后的进一步筛选做的不足。比如我喜欢日语歌就给我推荐甩葱歌，确实可以，但这很难做到推荐功能希望达到的惊艳的效果。
如果觉得我的文章对您有用，请随意打赏。您的支持将鼓励我继续创作！
打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮
被以下专题收入，发现更多相似内容：
从0到1，折腾产品；你的产品，我有话说
· 6464人关注
G图标象征着Google的产品哲学。
· 1545人关注
· 58人关注
如果觉得我的文章对您有用，请随意打赏。您的支持将鼓励我继续创作！
选择支付方式：我是一个文科小白，在使用网易云音乐过程中发现其推送的歌曲越来越符合我的口味，兴奋之余有一种被人看透的奇怪感觉。求大神赐教
推荐系统说得再多，其实不外乎两种，对于不搞推荐算法的人来说，知道大致分类就足够了。就音乐而言，主要是以下两大类&br&&br&1. 根据用户收听记录推荐&br&举个例子假如小明喜欢A和B，小红喜欢B和C，那么系统就会给小明推荐C，给小红推荐A；这个过程放在用户量级多的范围里面就会很有效。优点在于算法简单，不容易出错，缺点在于，对于不太知名的歌曲，因为长尾效应，不太容易被听到。&br&&br&2. 根据项目内容推荐&br&在音乐的上下文背景下，项目内容可以指的是音频信号的内容，或者人为的音乐标签两大内容。根这些内容把歌曲分成不同的类别，那么用户如果收听了摇滚的多，那么系统自然就会推荐你很多摇滚歌曲。如果你听很神曲，那么庞卖郎出来的时候就会因为该歌曲的风格类似你的收听习惯而不出意外的推荐给你。&br&&br&其他的算法吹的再天花乱坠，其实也是两者的结合，本质上没有区别。最近深度学习如此火，其实归根到底还是基于内容推荐的进化版本。所以要想做好推荐系统，要么你有足够的用户数据做用户行为的分析（我觉得大部分中国流媒体公司应该是这样），要么你又足够多的标签（Pandora十年来请人标注)，或者足够牛逼的音频特征和语义特征（Echo Nest）来聚类。&br&&br&以上，都算是个人之言，有不同意见可以拍砖。
推荐系统说得再多，其实不外乎两种，对于不搞推荐算法的人来说，知道大致分类就足够了。就音乐而言，主要是以下两大类1. 根据用户收听记录推荐举个例子假如小明喜欢A和B，小红喜欢B和C，那么系统就会给小明推荐C，给小红推荐A；这个过程放在用户量级多的范…
其实感觉虾米和豆瓣的算法做得更好……但是，千万不要尝试虾米的手机客户端，千万不要
其实感觉虾米和豆瓣的算法做得更好……但是，千万不要尝试虾米的手机客户端，千万不要
已有帐号？
无法登录？
社交帐号登录
产品汪，音乐爱好者，诗和远方爱好者网易云音乐如何一次删掉我喜欢的音乐？_网易云音乐吧_百度贴吧
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&签到排名：今日本吧第个签到，本吧因你更精彩，明天继续来努力！
本吧签到人数：0成为超级会员，使用一键签到本月漏签0次！成为超级会员，赠送8张补签卡连续签到：天&&累计签到：天超级会员单次开通12个月以上，赠送连续签到卡3张
关注：52,457贴子：
网易云音乐如何一次删掉我喜欢的音乐？收藏
网易云音乐如何一次删掉我喜欢的音乐？
和张大佛爷、二月红一起去探秘矿洞墓穴！
貌似没办法
移动端就是楼上那样 PC端的话进入“我喜欢的音乐” 然后Ctrl＋A 全选 右键删除即可
貌似无解。
清空就好了吧
参与贴吧T豆娱乐城七夕活动,
我删的时候就进入PC客户端 ~ 进如我喜欢的音乐然后左键点击第一首音乐然后按住键盘的Shift然后一直按着托到最后再左键点击最后一首~然后就全选了~就可以右键删除了~比那样全选麻烦点~不过习惯了~哈哈！
登录百度帐号推荐应用
为兴趣而生，贴吧更懂你。或网易云音乐貌似没有提供批量操作的功能，而这个歌单好像又不能删掉，所以删的时候得一个个删，相当蛋疼。不过看了下删除操作，是请求一个api，传递相应参数即可。
首先打开歌单页面，地址是：
其中xxxxx是歌单的ID号，打开console，随便删一首歌，可以看到网络请求为：
/api/playlist/manipulate/tracks?csrf_token=64f353b064b83d3c692ca05d4db2848a
请求参数：
trackIds:["yyyyy"]
其中csrf_token是请求api的令牌，有可能会失效，如果失效以后，刷新下页面，再删一首可以看到新的令牌
参数中xxxxx是歌单ID，yyyyy是要删除的歌曲ID
ok，下面就来批量操作
打开console
加载jQuery(网易云音乐页面上没有使用jQuery)
var&jq&=&document.createElement('script');
jq.src&=&"/jquery/1.7.2/jquery.min.js";
document.getElementsByTagName('head')[0].appendChild(jq);
敲一下jQuery看看是不是加载成功。注意，页面上有两个iframe，加再的时候注意选择，要选择歌单的iframe，而不是播放器的iframe
然后就是删除操作了
jQuery(".icn-del").each(function(a,b){
var&data&=&{
pid&:&xxxxx,
trackIds&:&"[\""+jQuery(b).attr("data-res-id")+"\"]",
op&:&"del"
jQuery.post("/api/playlist/manipulate/tracks?csrf_token=72e4c368b414ce8f9951aacb07e6f452",data,function(data){
console.log(data)
pid根据歌单自己替换，歌曲ID是从页面上遍历循环取出来的，token也自己替换下
需要说明的是，API请求太过频繁时，token会失效，稍等一会再手动试一下，换个新的token
我试的时候一个token大概能删100首左右。Have fun~
& 开源中国(OSChina.NET) |
开源中国社区(OSChina.net)是工信部
指定的官方社区我是一个文科小白，在使用网易云音乐过程中发现其推送的歌曲越来越符合我的口味，兴奋之余有一种被人看透的奇怪感觉。求大神赐教
也许可以用Bayesian Inference
推荐系统说得再多，其实不外乎两种，对于不搞推荐算法的人来说，知道大致分类就足够了。就音乐而言，主要是以下两大类&br&&br&1. 根据用户收听记录推荐&br&举个例子假如小明喜欢A和B，小红喜欢B和C，那么系统就会给小明推荐C，给小红推荐A；这个过程放在用户量级多的范围里面就会很有效。优点在于算法简单，不容易出错，缺点在于，对于不太知名的歌曲，因为长尾效应，不太容易被听到。&br&&br&2. 根据项目内容推荐&br&在音乐的上下文背景下，项目内容可以指的是音频信号的内容，或者人为的音乐标签两大内容。根这些内容把歌曲分成不同的类别，那么用户如果收听了摇滚的多，那么系统自然就会推荐你很多摇滚歌曲。如果你听很神曲，那么庞卖郎出来的时候就会因为该歌曲的风格类似你的收听习惯而不出意外的推荐给你。&br&&br&其他的算法吹的再天花乱坠，其实也是两者的结合，本质上没有区别。最近深度学习如此火，其实归根到底还是基于内容推荐的进化版本。所以要想做好推荐系统，要么你有足够的用户数据做用户行为的分析（我觉得大部分中国流媒体公司应该是这样），要么你又足够多的标签（Pandora十年来请人标注)，或者足够牛逼的音频特征和语义特征（Echo Nest）来聚类。&br&&br&以上，都算是个人之言，有不同意见可以拍砖。
推荐系统说得再多，其实不外乎两种，对于不搞推荐算法的人来说，知道大致分类就足够了。就音乐而言，主要是以下两大类1. 根据用户收听记录推荐举个例子假如小明喜欢A和B，小红喜欢B和C，那么系统就会给小明推荐C，给小红推荐A；这个过程放在用户量级多的范…
其实感觉虾米和豆瓣的算法做得更好……但是，千万不要尝试虾米的手机客户端，千万不要
其实感觉虾米和豆瓣的算法做得更好……但是，千万不要尝试虾米的手机客户端，千万不要
已有帐号？
无法登录？
社交帐号登录}