一言不合就推荐歌曲，网易云音乐的“编辑推荐”算法

网易云音乐的“编辑推荐”算法是基于对产品的深入理解，结合对用户喜好的分析，从多维度分析用户需求，提取标签和语义属性作为推荐的依据。这种方式不仅有效地将用户带入产品，还能有效地降低用户的审美成本，无形中提升了用户的视觉体验。基于对用户喜好的深入理解，结合对产品的深入理解，利用最先进的机器学习算法建立客户长期的沉淀数据，通过大数据计算能力整合个性化推荐内容网易云音乐，建立起用户与机器深度对话的机制。

基于网易云音乐的大数据对话系统已经经过6次迭代，2000万首不间断听歌量，1亿首不间断听歌的量纲，能通过实时分析用户的喜好特征，采用推荐模型推荐歌曲是网易云音乐的重要成就。推荐系统实际上在网易云音乐的各类产品应用上已经屡见不鲜，例如网易云音乐社区、网易云音乐电台、应用推荐、活动推荐等，这些都离不开强大的推荐系统支撑。

算法工程师是网易云音乐推荐系统的核心角色，网易云音乐的推荐系统实际上是一个一言不合就推荐歌曲的系统，也正是因为是这个核心角色，成为了网易云音乐的核心竞争力。推荐算法在网易云音乐的产品框架中基本上可以分为两个部分，一部分是算法工程师手工设计推荐策略从而获取用户的关注，通过大数据统计找到用户的“真实想听”的歌曲，再将歌曲推荐给用户。

一部分是利用网易云音乐大数据的背景，通过建立用户画像和找到特征关联，辅助用户进行投放，通过类似用户的“画像”标签来进行推荐。prop_shared_vocabulary_cloud_1每一首音乐背后都有作者数据、频道数据、国内所有音乐客户端的数据，利用阿里云大数据计算能力来提取、处理和利用这些数据，包括但不限于“声纹识别”、“人脸特征点”、时间轴上的feature,music_match.py文件等，通过深度学习识别歌曲背后的关键特征进行歌曲推荐。

提取到特征后通过“主观价值判断”来进行判断歌曲适合推荐给谁听。prop_shared_vocabulary_cloud_2直接在音乐下进行标注，通过人工进行标注各个音乐客户端的id。不同客户端的id可以在唱吧的app中打乱进行标注。实际应用场景：通过人工标注的方式，建立用户个性化标签，然后在公众号，网易云音乐客户端进行投放，用大数据计算能力进行投放回收效果。

推荐不同的用户。新用户推荐给新用户，喜欢老用户推荐给老用户。用户标签分为music_match.py文件和prop_shared_vocabulary_cloud_1文件的计算来标识这首歌被推荐给谁听。希望使用这套推荐算法的公司：网易网易云音乐，虾米，qq音乐，百度音乐，欢迎与我联系。原文链接公众号后台回。