网易云音乐的电影推荐算法

⑴ 阅读、电影和音乐的推荐算法，哪一个更难做

“阅读、电影和音乐的推荐算法，哪一个更难做？为什么？”关于这一问题，小编从诸多网友的回复中为你筛选了最用心、最高赞的回答！快来看看吧~

来看看网名为“幸运的ZLT0502”的网友是怎么说的：

电影---音乐----阅读！从我的经验来看，阅读是最难做到的，其次是音乐，最简单的就是电影。当然，是在有很多数据的前提下。从几个领域的特点来看：1．电影的item数量相对较少，好的电影有很长的生命周期，加上电影社区的用户行为，视频网站或预订网站，都很好获得，所以特别适合合作过滤。即使这不是一部大热门电影，你也可以根据导演、类型、明星等制作内容。这些都是结构化的信息，所以没有难度。音乐的item比电影要多一些，生命周期也非常不同，但它也可以用于基于用户行为的协同过滤。该算法如何表达和更新用户的兴趣?如何根据兴趣标签计算推荐结果?至少我没有看到特别成功的推荐阅读应用程序。算法上，都各有难度，但阅读类的，由于分类太多，在算法上自然要更加复杂。

来看看网名为“派网友”的网友是怎么说的：

个人认为无论是基于用户行为（协同过滤），还是基于内容相似度的推荐算法，难度从高到底都依次是：音乐-阅读-电影。

对于ID为“楼船吹笛雨潇潇”网友的精彩回答，大家纷纷点赞支持，他是这么说的：

我觉得是各有所难，并不能说哪个难，哪个容易。推荐的成功率：公共决策对推荐的影响：判断价值的建议：三者各有难度，但是个人在长期的习惯中可以对其中一种或者多种情景中加以选择和实践，但这也不是一蹴而就的事情，慢慢来吧。

你赞同哪位网友的观点呢？

⑵ 网易云音乐的歌单推荐算法是怎样的

1）冷启动的时候基于热度的推荐会比较多，推荐流行热点音乐总是不会错的。
2）在用户使用一段时间，用户行为达到一定样本量以后，程序开始通过内容和社交关系逻辑产出内容，并且与热门内容按照一定比例推送给用户。
用户所有的行为（包括下载/喜欢，评论，播放完成度，播放次数等等）都会以不同的权重呈现在后续的推荐逻辑中。

⑶ 哪个音乐app的推荐算法比较好

现在很多音乐app,但是在手机上用得最多的算是网易云和 音乐了，个人认为只是在手机上听歌的话网易云音乐比较好，电脑上需要下载音乐使用app的话，因为现在音乐资源和版权问题，各种音乐播放器比如酷狗，酷我，虾米， ，网易云都有各自特有的资源，

⑷ 网易云音乐的歌单推荐算法是怎样的

“商品推荐”系统的算法( Collaborative filtering )分两大类，第一类，以人为本，先找到与你相似的人，然后看看他们买了什么你没有买的东西。这类算法最经典的实现就是“多维空间中两个向量夹角的余弦公式”；第二类, 以物为本直接建立各商品之间的相似度关系矩阵。这类算法中最经典是'斜率=1' (Slope One)。amazon发明了暴力简化的第二类算法，‘买了这个商品的人，也买了xxx’。我们先来看看第一类，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, 分享=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)。 (抱歉我不会画立体图)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。假设我们选取一百首种子歌曲，算出了各君之间的相似值，那么当我们发现A君还喜欢听的《小苹果》B君居然没听过，相信大家都知道该怎么和B君推荐了吧。

⑸ 网易云音乐是一款怎么样的产品

跟那个非职业球员中相声讲的最好的运营狗的接入模式相同，做为一个伪民谣爱好者，接触到了网易云音乐，因为朋友圈中有一个真·民谣爱好者，不但爱听还会唱，经常录了自己的歌曲上传，从此就被圈了粉了，于是自带的播放器不再使用了，唯一在用的就是网易云音乐。

最让我心水的是，网易云音乐的用户真的酷爱评论，几乎每首歌每首曲下面都能找到成百上千的评论，这些评论有些逗X有些确能让你有找到知音之感，这点真的深得我心

好了，就这样，我不吹牛B了，以前在坛子里问过SK2好不好用，一个妹子这样回答我，我巴不得喝下去就这么好用。那你问网易云音乐好不好用， 我只能说，你现在不让我用，我跟你急了啊。！

······································我只是个什么都想吐个槽的小透明···············································································

⑹ 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。

⑺ 网易云的音乐推荐算法适用于其他软件吗

网易云音乐推荐算法不适用于其他软件。

很多人在使用网易云音乐时，会感觉推荐音乐很好，质量高听起来舒服。于是到网上去搜索，发现了几种推荐方法。这时候我们要注意一个问题，那就是网上言论并不是公司内部答案，大多数内容都是以相似度出发，用两三首歌曲举例。事实上，一个平台有众多歌曲，一个流行歌手少说也有几十首歌曲，算法并没有想象中那么简单。就算固定答案，随着版本更新，也会出现许多不同算法。

3、并非万能

在大多数情况下，推荐算法都可以拿捏住用户心思，毕竟平台拥有大数据，辨别用户想法并不难。可不是所有人，都拥有同样一种想法，有人觉得平台推荐内容准确，有人觉得推荐会造成麻烦。即使优化再完美，也无法满足所有人。

⑻ 网易云音乐的私人FM和豆瓣FM的推荐算法，哪个更好

前者，1、权重算法是否根据用户行为及时调整；2、用户自己的品味。以前经验不足的时候我也做过推荐，不过都是根据自我出发意淫出来的排序。曾经我做音乐推荐的时候一直有个念头：与其让用户听流水歌，不如带用户发现一首好歌，这样的惊喜更大。这时候面临的困境是要么扒别人的数据（在别的平台证明过的好歌，小范围流行的音乐），要么自己辨识。且不说具备辨识品质的难度，单就是”引领品味“这件事就困难无比。所以理解用户往往比改变用户要安全的多。