本文是一个云村九级用户，根据多年的使用体验，对网易云音乐个性化推荐系统（私人FM，每日歌曲推荐，推荐歌单）运作模式的猜测分析。

很早以前刚开始使用网易云音乐的时候，我就对其个性化推荐系统有过一些猜测，当时以为只是基于协同过滤算法做出的推荐。但是在最近阅读了一本有关数据挖掘的书籍，看到了不少数据分析实例后，我有了一些不一样的看法。先说基础的推荐算法。

1.基础算法

1.1协同过滤算法（Collaborative Filtering）

一个构建个性化推荐系统的经典算法，起源于1992，被Xerox公司用于个性化定制邮件系统。其核心思想十分简洁，分为以下两点。

基于用户的协同过滤

已知用户A喜欢的产品用户B都喜欢，又知道用户A喜欢产品C，推出用户B也喜欢产品C。

基于产品的协同过滤

已知喜欢产品X的用户都喜欢产品Y，又知道用户Z喜欢X，推出用户Z也喜欢产品Y。

以上两种协同过滤的思想都在于通过相似性来过滤产品，完成个性化推荐。网易云音乐属于典型的用户数目多于歌曲数的音乐软件，因此应当使用的是基于用户的协同过滤算法，下面以此为例，分析个性化推荐的可能实现过程。

先对每首歌的喜欢程度进行简单的量化：

比如：单曲循环=5, 分享=4, 收藏=3, 主动播放=2 , 听完=1, 跳过=-1 , 不感兴趣=-5 。

根据上面的这些操作，可以得到每个用户对每首歌的打分情况。

这里我们选取一个较为简单的相关度计算公式——余弦相似度，其计算公式为：

这里的AB分别指每个用户给每首歌的打分情况，由此可以知道，AE，BE，CE，DE两两用户之间的相似度（听歌品味的接近程度）。然后将相似度作为权重，求出用户E对《浮夸》这首歌的分数情况。以此类推，我们就可以知道用户E对曲库里所有歌曲的分数，将这些分数进行排名。

实际运用中，相似度太低的用户可以舍去，不计入权重，用户对歌曲分数的缺失值也可以使用平均值来代替，看起来操作并不复杂。但是，如果使用单一的协同过滤算法会产生巨大的缺点，冷启动问题和算法模式中固有的问题：

冷启动问题主要指新入库歌曲，在没有用户的听取记录下，无法进行有效推荐，而如果只依靠单一的资源倾斜如广告位强推发布的新专辑，不仅效率低下，还难以照顾小众音乐爱好者。

算法固有问题主要指较大的计算量（需要为每个用户对曲库的所有歌曲进行排序）以及较稀疏的数据（大部分用户的听歌量都不大）

这里势必要结合另一个推荐算法——因子分析法

1.2因子分析法（Factor Analysis）

目的是将多个变量映射到较少的变量上去，映射函数的依据就是各个变量的相关程度。

这里，我们先对歌曲进行映射，由歌曲的节奏、节拍、速度、力度、旋律、音区、音调、旋律、歌手、发布时间等元数据（metadata），进行因子分析，将相关的多个变量映射为一个变量，这一步需要数据分析师来找出每个因子的实际含义，为每个因子命名，并结合元数据的可信度，异常值和适当的旋转方法。其中后者（被映射的变量）可以用不同的tag表示，例如：伤感，小清新，电音，怀旧等等。

接下来，选择用数字表达对不同歌曲对不同tag的包含程度。比如：《平凡之路》包含伤感的成分是0.5，小清新的成分是0.6，电音的成分是0.6，怀旧的成分是0.3等。

由此将曲库内的所有歌曲分别映射成一个包含不同tag的二维矩阵。

同理，根据不同用户的元数据，将较多的变量映射为同样的tag变量，也一样可以形成个性化的二维矩阵。这里有一点需要注意的是，用户的元数据来源主要应该是其操作行为，依照前文所举例：“单曲循环=5, 分享=4, 收藏=3, 主动播放=2 , 听完=1, 跳过=-1 , 不感兴趣=-5 。”依此对用户的操作行为赋予适当的权值并反映在矩阵中。

利用这两个矩阵，我们就可以知道每个用户对每首歌的具体喜欢程度。举例：

用户A对《平凡之路》的喜欢程度=

用户A对伤感的偏好×《平凡之路》包含伤感的成分

+用户A对小清新的偏好×《平凡之路》包含小清新的成分

+用户A对思念的偏好×《平凡之路》包含伤感的成分

+用户A对怀旧的偏好×《平凡之路》包含伤感的成分

……

很容易看出因子分析法恰当的补足了，协同过滤的新入库歌曲没办法得到有效推荐的问题。这样，协同过滤和因子分析法这两种推荐算法相结合，可以基本解决用户对歌曲评分以及喜好问题。

2.排序

前面的算法排序后得到的只能是初始值，真正在个性化推荐系统中的应该加入不同的变化性，例如；

2.1随机性&归一性

用户在使用的过程中，如果只按初始算法排序，很可能出现推荐榜单某个歌手或者某个类别的歌曲，显然，这种单一类歌曲不是我们想看到的，这里就需要对初始榜单上歌曲的顺序进行调整，这样随机算法是必不可少的。同时，也需要对较为相似的歌曲进行统一归类，根据初始榜单按一定比例重排不同类型的歌曲，完善个性化推荐的多样性。

2.2实时性&新颖性

考虑到听歌品味的改变，用户越早以前对歌曲的有效操作，对其现在的排序影响效果应越小，当然，挑选部分歌曲适时的重新加入推荐系统，引起用户的怀旧感也不失为一个好选择。

再则，保证歌单的按时更新，如每日歌曲推荐榜单，无论前一天是否对其进行过有效操作，第二天也要对推荐结果有所改变。或者如私人FM，也可以根据相应时间穿插符合情景的歌曲。

2.3小众性&兴奋性

回顾网易云音乐的建立过程，其瞄准的目标用户群一开始就是小众音乐爱好者，因此可以过滤部分热门歌曲，对小众音乐参与排序赋予一定的权值加成。

再则，一个好的产品就是应该超出用户期望的，对于歌曲个性推荐的这个过程，我更偏向于：如果猜对了用户会兴奋，猜错了用户也不会太沮丧。大胆的在排行榜单上引入小众音乐，让用户“发现”新歌声，推荐甚至连用户自己没想到过却真正感兴趣的歌曲。

总而言之，推荐算法是基础，后续的排序则是改进，两者结合确定的综合值，才是良好的个性化推荐排名。

3.冷启动问题

3.1新用户的冷启动

基于用户信息的推荐

社交账号的辅助登陆，好友通讯录的导入，个人资料的完善等等操作可以得到一个较为基础的用户画像，进行初步的推荐过程。

尽快让用户表达兴趣

选择自己感兴趣的标签（tag），根据标签属性来推荐。大概来说，满足覆盖口味广、稍微热门的歌曲都可以有效的提高新用户的满意度。

3.2新歌曲的冷启动

归一替换

根据上文的因子分析法，对新入库的歌曲先进行因子分析，然后利用归一性去替代各项成分都接近的旧歌曲，依此进入第一批用户的个性化推荐榜单中。

资源位倾斜

诸如开屏广告位、首页横幅位、新歌速递榜等资源位，都可以有效的增强新歌曲或新专辑的曝光率

4.榜单

一个好的推荐系统，必然是由官方，第三方，用户自身共同维护参与协作的。

官方构建的各种趋势榜单，分类有按国家，流派，歌手。
第三方机构或者运营者，构建出按品味分类的专业榜单，如“空灵女声”、“极致的电子舞曲”，“适合延时摄影的BGM”等各种推荐。
用户自身则可以点击，收藏，自建榜单。

多样的榜单系统，无论是在开始的冷启动问题上，还是维持用户粘度上，都起到了至关重要的作用。由此，形成了一个以官方个性化推荐系统为主，榜单协作为辅的音乐生态圈。而健康的社区氛围和评论环境，更好的推进了UGC的发展，进入良性循环。

网易云音乐的个性化推荐算法简析相关推荐

揭秘网易云音乐的个性化推荐算法【黑科技】
在"精准推荐者得民心"的今天,推荐系统已成为各大互联网公司的标配.但由于现实中很多数据是非欧氏空间生成的(例如,社交网络.信息网络等),一些复杂场景下的业务需求很难通过协同过滤等基 ...
[案例]网易云音乐的个性化推荐
用过虾米.酷狗.QQ音乐.网易云音乐,个人感受网易云音乐在音乐推荐这块做的真心不错,特别是以"人"为角度的推荐,没有像虾米.酷狗推的那么乱.虾米还可以,但更多的是以歌搜歌的形式.刚 ...
网易云音乐分析之推荐算法
本篇文章我们从网易云音乐的推荐功能出发,结合我的实习工作,聊一聊互联网的常用推荐策略. 首先来回顾一下云音乐的推荐功能. 网易云音乐推荐音乐推荐是创始人丁磊先生愿景最直接的体现,也是网易云音乐的主推 ...
推荐｜网易云音乐分析之推荐算法
作者:狮子田全文共 3793 字 9 图,阅读需要 8 分钟 ---- / BEGIN / ---- 本篇文章我们从网易云音乐的推荐功能出发,结合我的实习工作,聊一聊互联网的常用推荐策略. 首先来回 ...
网易云音乐每日歌曲推荐的原理是什么？
(路人甲:此篇文章是我同步发在知乎的一篇回答,文章中有链接打不开可以点击阅读原文) 用过网易云音乐的都知道网易云的每日推荐功能,有时候每日推荐真真确确的能推荐给我们很惊喜的歌,那么这么神奇的每日推荐的 ...
海外网易云音乐无法正常使用极简
参考:https://www.youtube.com/watch?v=1o7RhM_O9-E&t=198s 步骤: 1.下载Google Chrome插件,NetEaseMusicWorld+ ...
软件的创新：分析网易云音乐的成功创新
软件界是一个非常活跃的领域,时刻都有新的软件加入或退出.开发一个新的软件,要想使自己的产品与其他产品有所区别,就必须要有创新之处. 为了分析创新对于软件的意义,我分析了一个比较热门的软件,网易云音乐, ...
从联通沃指数看网易云音乐的流量收割路径
联通大数据近日发布了10月的沃指数,从活跃用户数和户均月耗流量两个维度对移动应用进行了排行. 与其他数据不同的是,沃指数以中国联通3亿出账用户作为样本数据,能够更直观且准确地反映移动应用的发展情况和竞 ...
【算法】网易云音乐日推算法浅析
"网易云音乐"里有一项类似于淘宝"我的喜好"的"日推"功能,根据你经常听的歌曲类型,每日推送给你类似的音乐,几乎次次惊艳,而且大多都没听过, ...

网易云音乐的个性化推荐算法简析