网易云6亿用户音乐推荐算法
2020-01-11 07:31
302 查看
网易云音乐是音乐爱好者的集聚地,云音乐推荐系统致力于通过 AI 算法的落地,实现用户千人千面的个性化推荐,为用户带来不一样的听歌体验。
本次分享重点介绍 AI 算法在音乐推荐中的应用实践,以及在算法落地过程中遇到的挑战和解决方案。
将从如下两个部分展开:
- AI 算法在音乐推荐中的应用
- 音乐场景下的 AI 思考
从 2013 年 4 月正式上线至今,网易云音乐平台持续提供着:乐屏社区、UGC(User Generated Content)歌单、以及精准推荐等服务,孵化出了音乐人计划、LOOK 直播、以及主播平台等版块。
目前云音乐的注册用户有 6 个亿,而且持续在音乐类 App 排行榜里蝉联着第一的位置。
AI 算法在音乐推荐中的应用
在音乐推荐的实际应用场景中,我们采用了 AI 技术来分发歌曲与歌单。其中比较典型的应用是:每日歌曲和私人 FM,它们能够根据个性化的场景,进行相关曲目的推荐。
上图是我们整个音乐推荐系统的逻辑图,包括各种日志流、ETL、特征、召回、排序和最后的推荐。
对于该推荐系统而言,最主要的是如何理解用户的画像,也就是通过对前端数
相关文章推荐
- 推荐算法——基于用户的协同过滤算法
- MapReduce实现商品推荐算法(用户购买向量*商品同现矩阵)
- 推荐系统-通过数据挖掘算法协同过滤讨论基于内容和用户的区别
- Python用户推荐系统曼哈顿算法实现完整代码
- 推荐算法之用户推荐(UserCF)和物品推荐(ItemCF)对比
- JINGFM: 根据用户描述推荐音乐的创新型WEB APP
- 基于用户的推荐协同过滤算法的算法
- Facebook的用户推荐和话题推荐算法
- Attention+:一种基于关注关系与多用户行为的图推荐算法
- 三大网站推荐算法 帮助网站猜出用户的心
- Python用户推荐系统曼哈顿算法实现
- 综合用户特征及专家信任的协作过滤推荐算法
- 基于用户协同过滤的推荐系统算法,python 实现
- 网易云音乐的推荐音乐方式与算法漫谈
- python利用网易云音乐接口搭建的音乐推荐,根据单曲歌名推荐相关用户喜爱的歌曲
- 采用深度学习算法为Spotify做基于内容的音乐推荐
- 基于pearson(皮尔逊)相似度的用户推荐算法
- 【笔记3】用pandas实现矩阵数据格式的推荐算法 (基于用户的协同)
- 基于用户行为分析的推荐算法
- FACEBOOK的用户推荐和话题推荐算法