说起听歌，就要想起听歌软件。说起听歌软件，你会第一个想到哪个呢？反正小编是会第一个想到 易云音乐，肯定有不少人和小编一样，被这款软件所折服了，不仅是因为每次它推荐的歌单几乎次次惊艳，更是因为那一首首动人音乐下面那一个个故事… …
大家一定都想知道 易云音乐的歌单推荐是团队官方精挑细选的呢，还是众多音乐达人推荐的？今天小编就给大家来讲解一下吧！
首先，一个优秀的推荐系统不仅仅是个性化算法这么简单，基础的也好，神奇的也好，一个完整的推荐系统体系就要提及到官方团队推荐、UGC以及热门推荐的协作。
其实不管什么样的推荐算法几乎都是基于一个词——相似度。都需要用户的行为数据，以及歌曲的元数据，比如旋律，Tag等等。实现起来也不算难。在此就不详细介绍。
其实大多数用户一开始听歌肯定会从自己熟悉的歌曲开始，然后一般都会给出非常相关的推荐，比如你听王力宏的任何歌，那他的其他任何热门歌曲都会成为非常相关。但如果全都给你推荐同一个人的歌曲，那未免有些单调。
这个时候就要考虑来做一个多样化过滤了，以限制来自同一个歌手的推荐数量，这样后面更多歌手的就会被推上来。那现在问题又出来了，假如一个热门歌手，就拿陈奕迅举例。突然出了新专辑，用户们一下子都跑去听新的了，包括王力宏的粉丝可能也会去凑一下热闹。
那这下用户们看到的推荐里肯定都能看到陈奕迅的歌了，尽管他的歌曲可能和王力宏的不那么相关。为了解决这个问题，就要在计算相似度的时候把一些过于热门的歌曲给过滤掉，把这些歌曲推后会在一定程度上解决问题。
那说完热门的了，再说说冷门的情况。其实有时候你会发现，某个不知名歌手也会很符合你的胃口，那怎样才能把他的歌曲送到你的推荐里呢？这个时候就可以用点归一化（Normalization）技巧进行微调。在此也不做详述。
话说回来，据官方声称推荐算法设定了基于不同用户行为的权重，下载量，收藏，搜索，分享，甚至是点击“不感兴趣”，这些行为都是可以作为推荐参考的。
他们会在一开始的推荐内容上做一层筛选，找出那些比较优质的内容，其次也会解决算法的一些收敛问题，因为如果纯依靠算法推荐会对一些新内容响应较慢。
最后总结一下就是，协同过滤是基础，但基于内容的复杂算法让 易云音乐更加与众不同，同时人工介入也很重要，一是反馈，而是运营。相信大家看到这里，对这款软件又有了更进一步的了解了吧？
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！