播放器是如何跟據數據判斷一個人喜歡什麼樣的音樂？

01-22

某些播放器有所謂的調教功能，放一些音樂給你聽，讓你判斷喜歡或不喜歡，久了以後就會自動推送他們認為你愛聽的音樂給你。
請問這個技術靠譜嗎，還是只是一個噱頭？
他們判斷的依據是什麼？

比如我愛聽張學友的吻別，不喜歡聽郭富城的對你愛不完。播放器會從這二首歌中提取哪些參數來，用以判斷我是否喜歡聽劉德華的再生緣？

謝邀。

這裡面的原理其實就是推薦演算法。主流的推薦演算法有三類：基於內容的推薦演算法、協同過濾推薦演算法和基於知識的推薦演算法。

基於內容的推薦會根據你歷史關注的Item或者分類tag做相似的推薦，音樂方面由於不能分析其內容，大部分採用手動打標的方式。比如有些播放器會在你初次註冊使用時，引導你去聽幾首你喜歡的歌曲，而這些歌曲其實有一些tag的，這些tag代表著從某一維度劃分的一類歌曲，比如你聽了首《董小姐》，這首歌其中一個tag為民謠，那麼我會推薦同一個tag下的相似的歌曲《馬大帥》。

另一個方面是協同過濾推薦，比如你的好基友聽了《葫蘆娃》，系統會根據你在該平台的社交關係將這首歌也推薦給你。

基於知識的推薦演算法，這個比較抽象，可以理解為根據這個領域的特徵做出的推理判斷，比如根據你的瀏覽、購買記錄等。

音樂的推薦肯定不單單是其中一個推薦演算法，而是多個推薦演算法的混合使用。再高端一些的話是通過機器學習了

繆斯的情人的回答是正解

簡單的說，你喜歡A，同時喜歡B，我們就認為A和B有一點相似度

一百萬人都同時喜歡A和B，那說明A和B相當相似了，我們有理由認為如果你喜歡A，那麼很大概率喜歡B

很簡單，看收藏這曲的人同時收藏哪些其他曲子

同時根據你們的性別年齡

以音樂播放器為例，從數學角度出發，一種推薦演算法的原理是這樣的：

首先以兩首歌為例：

兩首歌A、B，那麼A、B兩首歌可構成一個二維平面。假設喜歡A對應坐標點為（1，0），喜歡B對應坐標點為（0，1），不喜歡A為（-1，0），不喜歡B為（0，-1）。那麼如果小明喜歡A，可得向量（1，0），小紅喜歡A與B，可得向量（1，1），小剛不喜歡A，可得向量（-1，0）。計算向量兩兩之間的數量積，可得兩人之間的喜好的近似程度，該值越大，兩人喜好越接近。如：小明小紅的積為1，小明小剛為-1，可知小明和小紅的喜好更接近，那麼小明很有可能也喜歡B這首歌；而小剛也喜歡B的可能性就很小。

以此類推，推廣至n首歌。每個人對n首歌的喜歡程度都可以表示為一個n維向量。通過計算不同向量之間的數量積，即可找到喜好相近的人們，然後以此來推薦歌曲。

補充：這個答案是在地鐵寫的。很早之前在一篇回答看過原理，已經記不清了，所以只寫出了理解的大概。評論里大神@繆斯的情人說是「協同過濾演算法」，於是去查了一下，果然如此。貼一個鏈接，裡面有詳細原理，大家移步去看，我就不粘貼啦：

https://m.baidu.com/from=1099a/bd_page_type=1/ssid=0/uid=0/baiduid=7669113C0D0F86AAFF0E966A66467625/w=0_10_/t=zbios/l=3/tc?ref=www_zbiospu=sz%401320_480%2Ccuid%4038886DA6560CB2F5774CEB04E376AD690AAF45701OCGBDSMIEG%2Ccua%40640_1136_iphone_7.4.0.2_0%2Ccut%40iPhone6%252C2_8.4%2Cosname%40baiduboxapp%2Cctv%401%2Ccfrom%401099a%2Ccsrc%40searchf_box_txt%2Cta%40zbios_1_8.4_6_0.0%2Cusm%401%2Cvmgdb%400020100228ylid=2490883987712449156order=1fm=aloptj=www_normal_1_0_10_titlevit=osresm=8srd=1cltj=cloud_titleasres=1nt=wnortitle=%E5%9F%BA%E4%BA%8E%E7%94%A8%E6%88%B7%E7%9A%84%E5%8D%8F%E5%90%8C%E8%BF%87%E6%BB%A4%E6%8E%A8%E8%8D%90%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E5%92%8C%E5%AE%9E%E7%8E%B0-Cre..._%E5%8D%9A%E5%AE%A2%E5%9B%ADdict=30w_qd=IlPT2AEptyoA_yk5wO5cqwy51CJVeWYp7CIXhhisec=15520di=74ac988aa4730ecebdenc=1tch=124.0.248.39.0.0nsrc=IlPT2AEptyoA_yixCFOxXnANedT62v3IEQGG_ytK1DK6mlrte4viZQRAVjLwKHWNH5burSPQpt5Ywk_f_7Al9Rl3wvQkfjSeqid=229165ca204f1a001000000357ea9dc2wd=clk_info=%7B%22srcid%22%3A%221599%22%2C%22tplname%22%3A%22www_normal%22%2C%22t%22%3A1474993605909%2C%22xpath%22%3A%22div-a-h3%22%7Dsftc=1

你還真的相信了推薦演算法？

你去淘寶買一個枕頭，下次打開淘寶，推薦給你的還是枕頭。jd什麼的也是一樣，同一個貨色！

音樂應該也是這樣的，歌曲有很多屬性，歌手名，歌曲類型，歌曲年代等等，屬性相差不大的就推薦給你。

矩陣

具體可以參考一下網易雲音樂的演算法已經不能自拔