推荐系统应用(三)---音乐类

推荐系统应用（三）---音乐类

作者：阿俊发布于：2011-12-101:4Saturday分类：推荐系统

音乐欢喜婆婆俏媳妇下载，人类的灵魂，只有懂得音乐的人才懂得生活。

每个人都离不开音乐这个东西，你可能不喜欢唱歌蒋雄达，但一定不会不喜欢听歌阿拉style，尤其是那些美

妙的音乐火烧圆明园电影下载。

如今冈拉梅朵插曲，有非常非常多的音乐流派和音乐人，不同音乐流派的音乐风格自然很不相同光芒张靓颖，而同一

种音乐流派中不同的音乐人因为对音乐的理解不同也会有不同的音乐风格。

那么，如何准确地到你所喜欢的音乐僵尸道长2主题曲，准确地挖掘你可能会喜欢的音乐呢？

答曰：推荐系统襄垣秧歌。

在这里白狐陈瑞，可能会用到下面的几种思路：

协同过滤指缝里的阳光。

如果我们只是提供音乐服务水菜丽，而不是像社交网络那样提供交友服务的话，用item-basedcf

是个明智的方法。



对于听歌魏积安，用1-5分来评价感觉不如用“喜欢”或者“不喜欢”这种方式的用户体验好。尽管喜

欢或者不喜欢有点非黑即白的意思，但对于用户来说操作将会非常的简单谭嗣同 狱中题壁。当然这是一种显

式地反馈方式，往往我们得不到太多的这方面的反馈真爱一世情电视剧。那么要做好推荐，

必须好好地挖掘用

户的隐式反馈telecaster，比如la rochelle，用户收听了这首歌的百分之多少之后点击了下一首三国恋电视剧，用户是否将歌曲

进行分享等等。

通过将分析用户行为得到的信息转换为对评分矩阵的一种填充徐娇qq，当然这种填充是在一定的

confidencelevel上进行的。

将用户的行为转换成具体的分数是一个比较主观的事情，需要用用户的显式反馈不断地修正

转换成分数时的参数值。而且对于不同的人来说inspirational，他们的参数可能是不同的，比如，有的人

喜欢在听了一首的前10%来表达他不喜欢这首歌大悲咒，而有的人可能听了50%才会表达出这种意

思。

所以要做到真正的个性化，必须注意每个人而不是所有人的使用习惯宁静的夏天。

基于音乐的属性（或者说是tag）

音乐的属性我是歌手总决赛歌曲，或者是音乐带的tag信息gta4，比如：歌手披头士，风格，专辑，格式，时长梦缘。现在很多

的个性化音乐服务提供商总是喜欢将这些tag信息称作是音乐的DA是非题吉他谱。我个人觉得这种叫

法有些不妥爱听评书网，因为这些tag信息只是一些概括舒伯特小夜曲简谱，并没有真正的深入到音乐本身的属性中想幸福的人微电影，所

以最多只能称作音乐细胞五百年桑田沧海。（当然我也理解ae cs6，这么叫听起来远不如音乐DA那么有技术含

量）



利用音乐的tag信息，我们在提供服务前我可以爱你吗，就可以聚类，然后再在各聚类中进行音乐的相似

度计算，以达到“一劳永逸“的效果卿酒酒。这时候李钟赫，音乐其实就变成了一个向量，由这些tag以及

它们所占的权重组成的一个音乐向量赤道和北极，然后可以用各种方法计算它们的相似度爱之火刘牧。当然有新的

音乐入库的时候，我们只需要先到它属于的那个聚类中比较好听的钢琴曲，然后再计算相似度湖北大鼓。

这里郭德纲于谦我要穿越，需要注意的一件事是各种tag的权重问题欧美经典老歌50首怀旧，我觉得权重的排序是：风格、歌手、专辑、

时长、格式。因为大家喜欢一首歌，是因为这首歌的风格让你感觉舒服，当然也有很多的追

星一族他们会喜欢一类人，比如周某某的歌，不管是能听清的还是听不清楚的他们都会喜欢。

对于这类问题，只有慢慢地分析用户的收听习惯来个性化地决定权值black gd。

基于音乐的DA

上面说到的tag我认为是一种比较浅层次的音乐属性，而到底什么是音乐的DA呢？

大家听到的歌曲本质上是一种机械波分手歌，具有所有波的属性李玟图片，包括频率，振幅，周期。

一种比较极端的方法the better man，就是将库里的所有歌曲都转换成波的形式，然后对波进行相似度分析太鼓达人iphone。

当然这种方法听起来会很荒谬女皇驾到，但是可以考虑分析波的主成分再见小伙伴。



也可以先利用tag信息将音乐聚类分组，然后并行地用波形分析的方法对音乐进行相似度计

算，这样可以省掉确定各个tag之间的权重的麻烦心灵的呼唤。

（这种思路念佛机，比较YY今井麻美，哈哈水北天南，大家看着玩就可以哈）

混合推荐

混合推荐的话有没有一种爱让人不流泪，需要利用音乐的tag信息、用户的行为分析以及用户的评分矩阵来完成。



用现在比较流行的matrixfactormodels将各种用户相关的信息包含到模型，然后迭代求解。



利用天气进行推荐

大家都有这么一种感觉，晴朗的天气我们更倾向于听一些欢快的歌曲士兵突击吉他曲，而阴雨的天气我

们会比较倾向于听一些悲伤的歌曲。当然犯罪高手mv下载，也有的用户会在阴雨天收听一些欢快的歌曲

来让自己happy起来如果世上没傻瓜。

anyway，考虑天气因素是一种简单的方法来提高系统的智能程度的方法（这个简单是相对

于分析用户的心情）冲出牢笼。

那么如何知道哪些歌曲属于欢快的歌曲还是比较悲伤的？

做个分类器，先对一些你听过的歌曲人工分为欢快和悲伤廖仲谦，然后学习这两类歌曲的特征，然

后对未分类的歌曲进行分析来决定他们到底属于哪个类别falcon heavy。当然这是一种二分的情况俞赫璇，实际

的歌曲不可能不是欢快就是悲伤，有许多的分类因为爱情伴奏。

那么如何分析歌曲是欢快还是别的感觉呢？

（a）一种基于分类的方法

可以考虑用音乐的DA来分析iloveu，当然这个工作量也是非常大的。但完全可以离线做好一劳

永逸最心痛的人只有你。

其实唢呐歌曲，有一种比较好的方法，就是让用户自己来对每首歌曲进行分类有线怪谈2012。

具体的方法是在用户收听每个歌曲的时候让用户为这首歌添加一个表情。（我们会提供几个

表情，不同的表情代表不同的分类外星伴侣，当然这个难度比让用户表达喜欢不喜欢更加困难）

拿到用户为每首歌添加的表情日剧101次求婚，我们可以以两种方式来用这个数据。

将所有表情数据集中到一起，提供一种大众化的分类推荐。



针对每个用户的表情数据张姚，提供一种个性化的分类推荐。因为毕竟不同的用户对同

一首歌曲的理解都不相同。



这样坏孩子的天空歌词谐音，我们就可以实现，当下雨天的时候，我们会将推荐给用户的列表中的比较悲伤的歌曲

提前到列表的top的位置。

（b）一种基于统计的方法

我们在为用户提供音乐的服务，会记录一些静态的信息，比如音乐的tag吸引定律，收听了多久金龟子畅想，点

击了哪些按钮等等白月光 孟楠。其实你还好吗，我们可以也记录下用户在收听这些歌曲当时的天气信息。这样我

们可能会得到下面的数据：

身边2011苏鑫.12哈啰客ktv.1014:00-14:05晴天

情非得已2011.12.1014:05-14:10晴天

。west coast。sandpiper。bad day mv。。城阙辅三秦。。傲娇。越单纯越幸福王筝。徐良的歌曲。coffee shop。电视剧上错花轿嫁对郎。中国朝代歌。

机器学习中有一个最最经典的例子就是天气和去不去游泳的关系案例。

同样的思路，我们可以统计用户在听歌时的天气来做一些统计和学习赵正锡，来预测用户在给定的

天气条件下你会幸福的，他更可能喜欢的歌曲是什么travis scott，相当于对协同过滤或者混合推荐算法中给出的推

荐列表的一种个性化智能化过滤。

音乐这个东西很神奇，可以治愈心中的一些伤口健美操音乐。

非常期待能够诞生一个非常智能非常人性化的音乐推荐系统龙飘飘简历。

PS：在写这篇blog的时候japan schoolgirl，豆瓣fm一直伴随着我汪东城演唱会，尽管豆瓣fm还有一些瑕疵，但用起来

还是不错滴年轻时代。