浅谈个性化音乐推荐

 基于用户口味的音乐推荐是当前个性化推荐领域最热门的应用之一，在国内外各大音乐网站上都少不了个性化推荐，同时音乐作为与朋友交流重要的媒介，很多音乐服务中往往会融入SNS应用。下面介绍几种具有代表性的个性化音乐推荐网站及其推荐机制。

1. 潘多拉（Pandora）——音乐DNA

    潘多拉音乐服务是最典型的内容过滤推荐，它凭借着精准的推荐和用户的低成本进入（指用户可以很容易地获取它的服务）而取得了巨大成功。目前它只拥有不到百万歌曲，明显比众所周知的那些拥有数百万歌曲的付费音乐网站要少得多，但它的每首歌曲都由专业的乐评团队添加了描述属性，这些属性包括旋律、和声、节奏、唱法等，被称作“音乐DNA”。目前音乐DNA种类多达400多种，这个项目也因此被称为Music Genome Project （音乐基因组项目），Pandora正是以此为基础来进行推荐的。此外，用户还可对推荐结果进行反馈，通过“认可”、“拒绝”等功能来评价它推荐的曲目，时间久了它就能够根据这些评价得出用户属于哪类听众，喜欢什么，不喜欢什么等等，从而提供更精准的推荐。

2. Last.fm“ 收藏（scrobb）”——群体智慧

    Last.fm是世界上最大的社交音乐平台，它利用“群体智慧”来提供音乐推荐和播放服务，这是一种典型的协同过滤推荐。它的“Audioscrobb”（同步记录）是一种“懒人找新音乐”的办法：用户只需要在自己的电脑上安装一个客户端软件，此后每在电脑上iPod或iTunes中播放一首音乐，这个软件都会忠实地记录下来，通过分析这些行为数据，自动向用户在Last.fm上的个人音乐主页上添加元数据，推荐用户可能喜欢的新音乐。用户可以随意听，也可以做一些简单的操作，包括喜欢、跳过、禁止这首音乐等。此外，它还会深入你的音乐生活，利用音乐来推荐朋友，将你与同样喜欢这些音乐的人连接起来，创建音乐小组，彼此分享和推荐好音乐。

3. Slacker Radio ——安排专人为你服务

    Slacker Radio（slacker.com）则采用了一种截然不同的音乐推荐方式，它是由编辑策划操控的，所以非常人工化。它目前拥有三百多万首歌曲，最大特色是手工编排的音乐流派频道，这些频道是由具有丰富的广播节目经验的人士负责的。它不是一边运行一边计算比较音乐的特点然后制作播放列表，而是像电台一样，每次编制一个小时的节目。此外，电台与社区之间存在互动，所以编辑们可以观察到人们对这些歌曲的接受程度如何，歌曲获得的好评多还是恶评多，这些都会影响到他们所推荐的歌曲。

4. 豆瓣电台——音乐标签和评分

    豆瓣电台在开始做之前就已经有了比较完善的初始化数据，大部分专辑都有标签、评分和收藏的人数。利用标签可以获取歌曲之间、歌曲与用户之间的联系，利用评分、收藏人数和标签数目可以确定推荐的优先级。总体来看，豆瓣的标签质量比较高，歌手、地区和音乐风格是最常用标签，也是影响用户选择歌曲的最主要因素。歌手最直观，影响程度也很高。风格比歌手更复杂和模糊，同一风格下一般有很多歌手。而相对来说，地区的影响程度较低，但是不排除部分用户有这方面的偏好，比如只听华语的歌曲。

    总体说来，音乐推荐主要有两种方法，一种是内容过滤，一种是协同过滤。每种推荐机制都融入了用户对推荐结果的反馈，以使推荐系统不断学习，不断改进推荐效果，从而形成一种良性循环。

权限：公开   来自：labs

原文链接：http://labs.chinamobile.com/mblog/382108_88753