Una breve discusión sobre el algoritmo de recomendación de música: Escuchar música es encontrar música de fondo acorde a mi estado de ánimo actual.

Hay dos escenarios para escuchar música. Por ejemplo, acabo de ver "Wreck-It Ralph 2". El tema principal de la película es muy agradable. Planeo escucharlo en mi camino. y al salir del trabajo, abro la aplicación de música, ingreso la palabra clave "Wreck-It Ralph 2" para buscar, encuentro "Zero" de Imagine Dragons y la escucho repetidamente hasta que me canso. La otra es recostarme en el sofá en un día lluvioso y encontrar música que coincida con mi estado de ánimo actual. En cuanto a cuál escuchar, no lo sé, pero la necesidad de escuchar música existe y es fuerte.

Los dos escenarios son completamente diferentes. El primero tiene necesidades claras y los usuarios buscan activamente recursos; el segundo tiene necesidades ocultas y necesita ser explotado. En la mayoría de los casos, se encuentran en el segundo estado, es decir, no tienen un propósito claro y solo quieren escuchar música. No me importa de qué cantante proviene la música que tengo en mis oídos, si country o folk, china o inglesa, ni siquiera escucharla con atención, pero es indispensable, como tocar una música de fondo adecuada para mi vida.

Tencent lanzó recientemente una aplicación de música: MOO. Antes de entrar en contacto con MOO, básicamente usaba QQ Music y NetEase Cloud Music. Conté cuidadosamente mis propios hábitos de uso y descubrí que muchas veces, básicamente, sólo las canciones de la lista de favoritos se reproducirán en secuencia, y estas canciones provienen del escenario descrito anteriormente: "Inspirar--Buscar--Escuchar--Agregar Me gusta". QQ Music y NetEase Cloud también se esfuerzan mucho en crear secciones de "descubrimiento", que incluyen listas, autores, temas, etc., pero rara vez las uso porque no tengo deseos de explorar. Necesita escuchar música para saber si le gusta. Hacer clic en listas, autores y temas para escuchar la música que le gusta es demasiado caro y tiene poco efecto. Por lo tanto, aplicaciones como QQ Music y NetEase Cloud Music son herramientas de búsqueda y reproducción de música para mí. La primera vez que lo usé, mis ojos se iluminaron. Los aspectos más destacados son los siguientes:

1. El modo inmersivo de pantalla completa ingresado después de iniciar la aplicación, la animación de reproducción es genial y visualmente impactante

2 . Casi la mayoría de las anotaciones de íconos se han eliminado de la aplicación, lo que hace que la interfaz sea muy simple;

3. Desliza hacia arriba para cambiar de canción, hacia la derecha para cambiar de pestaña y deslízate horizontalmente en la parte inferior. abajo para ajustar el progreso de la reproducción;

4. Se recomendarán 20 canciones cada día. No es necesario buscar, solo ábrelo y escucha.

En general, es un producto muy joven para la generación posterior a los 95 y posterior a los 00. Pero lo que más me atrae no es lo anterior, sino que Moo ha cambiado mis hábitos de escucha musical, o ha redefinido mi escena de escucha musical. Recientemente, escucho a Moo con auriculares cuando salgo del trabajo casi todos los días. Las 20 canciones son suficientes para satisfacer la novedad del día y no tengo que pensar en la cuestión de "qué escuchar". " Es así de sencillo recopilar lo que te gusta y deslizar lo que no te gusta. El costo de operación es extremadamente bajo, lo que hace que escuchar música sea un proceso puro de exploración y apreciación.

La clave para determinar la calidad de esta experiencia de usuario radica en: la precisión de las recomendaciones musicales.

El estado ideal a mis ojos es: puede conocerme cada vez mejor, saber qué tipo de música me gusta escuchar, e incluso adivinar qué música quiero escuchar en un momento determinado. ¡Y luego juega!

De hecho, Spotify (una verdadera plataforma de servicios de música en streaming, lanzada en octubre de 2008) ya lo ha estado haciendo, utilizando principalmente las siguientes tres estrategias de recomendación:

1. Filtrado colaborativo. buscar usuarios con pasatiempos e intereses similares y luego recomendar canciones en la lista de reproducción a una de las partes

2. PNL, rastrear información sobre música en Internet y analizar las discusiones específicas de los usuarios sobre el artista o el contenido de la canción; , como qué adjetivos se utilizan o qué palabras se utilizan más, mediante análisis estadístico para obtener "vectores culturales" y "términos principales". A través de vectores culturales y frases de alta frecuencia, podemos encontrar música con una alta probabilidad. estilo similar.

3. El modelo de audio original, la red neuronal convolucional (CNN), analiza la información de audio (ritmo, tono, timbre) a través de computadoras y luego recomienda al usuario canciones con datos de información similares. Se utiliza principalmente para solucionar el problema del arranque en frío de nuevas canciones.

En cuanto a la recomendación musical, personalmente creo que todavía hay varios problemas que no se han solucionado bien:

1. La similitud en las dimensiones de ritmo, tono y timbre puede no necesariamente representan similitud en las dimensiones de emoción y estilo;

Podemos utilizar la tecnología informática para analizar el ritmo, el tono, el timbre e incluso los comentarios de los usuarios, información del cantante, etc., pero esta información puede expresar la emoción y emoción de la música. El consumo de información, noticias, es objetivo y carente de emociones, pero la música no. Por el contrario, el consumo de música está determinado en gran medida por las emociones que transmite el oyente y la música misma. Por lo tanto, el emparejamiento emocional es fundamental.

2. Puede obtener el retrato de usuario del oyente, pero es posible que no pueda obtener el retrato emocional actual del oyente.

La música es una expresión de emoción, y la emoción es; A diferencia del interés, que dura mucho tiempo y es estable durante un período de tiempo, incluso si se descubren los intereses potenciales del usuario, el perfil de interés básico es estable. Las emociones son diferentes. En un momento me río y al siguiente puedo estar preocupado por algo. El estado de ánimo cambiará y será fugaz. Por lo tanto, para los algoritmos de recomendación, cómo capturar, analizar, almacenar y procesar los retratos emocionales de los usuarios de manera oportuna es un gran desafío.

3. ¿Cuál es la repetibilidad de la música?

Todos sabemos que, para obtener información sobre noticias, los usuarios básicamente solo necesitan leerla una vez y pocas personas la volverán a leer. Pero la música es diferente. La música tiene el atributo de consumo repetido. La dificultad es: ¿cómo saber cuando un usuario está cansado de escuchar una canción? ¿Cuándo de repente quisiste escuchar esa vieja canción que creías que estabas cansado de escuchar?

--------------------------

Las opiniones anteriores son puramente personales, bienvenidos Dios corrija y se comunica.