用技術豢養你尊貴的耳朵 | 對話智能音樂推薦系統

歡迎關注「S-Tech」，S-Tech即 society and technology，意在連接現代科技與社會人文，關注互聯網時代人們真實的生存狀態。

《北方人的巴赫》里有一個愛樂者的故事。羅伯特，一個常居阿拉斯加的男人。為了巴赫，不做白領而去做了管道工。就為了冬天來臨的時候，開著裝了防滑鏈的車，翻山越嶺到處看看，車上的音響正驚天動地地響著巴赫。音樂是非常特殊的藝術形式，彷彿是描述多變的心緒，比文學更抽象，比繪畫更多變。

請大家稍作回憶——你第一次認真地喜歡一曲音樂是什麼時候？可曾有那麼一個瞬間，你無比渴望耳畔湧來一個，讓你寒毛倒立，讓你心頭一緊的旋律？

我們熱忱地期待技術真的可以像音樂世界裡的「上帝之手」那樣，潤物細無聲得就把你需要的清風送達耳畔。

那麼，「上帝之手」是如何實現的呢？

今日S-Tech專題主創，QQ音樂智能推薦組shenyuan & andyab, 向大家揭秘，音樂推薦系統如何讀懂你的心。

致尊貴的耳朵

——對話音樂智能推薦系統

1.從0認識你

「1969年，阿拉斯加大雪，積雪成冰，山丘野地人家，全都沉寂在剔透的冰封世界裡。

羅伯特不得不放棄了外出計劃，圍爐在家。寒冷的冬夜沒有樂曲，耳邊卻迴響聲著火車上聽到的巴赫片段。樂曲似乎比爐火更能取暖，無奈想得越用力，印象卻越不清晰。

搖頭作罷，羅伯特縮成一團迷濛睡去。

他做了個夢，夢中一切都太不真實，唯一觸手可及的一台發熒光的小型機器，和上面赫然顯示的2016。

手剛觸及一個黃綠圖標，機器卻響了。是樂曲！但卻不是他心念的《哥德堡變奏曲》。」

歡迎來到音樂推薦系統的世界。我們更常稱其為RS（QQ Music Recommendation System）。

對於每一個初入音樂軟體的「羅伯特」，RS對你都是一無所知的（特別是，如果你既沒有主動搜索歌曲，也沒有主動選擇喜歡的風格）。

如何從一無所知，到準確推薦？這在RS里，被稱為「冷啟動」。

最快的方法大概是：先扔給你一首歌，看看你的反應（是興奮得點紅心，還是怒切歌？）。但是「扔」的動作也很講求技巧——怎麼個「扔」法才能命中率最高？

每首歌都有流派、語言、歌手等不同屬性。RS有數據顯示，聽者對各個屬性的敏感程度是不同的，敏感度排序是語言>歌手>流派。簡而言之，我們最不能忍的是聽到不喜歡的語言（比如外文歌），其次是歌手，再次才是風格流派等。

① 語言是第一推薦要素。QQ音樂用戶中90%都以聽中英文歌為主，所以最初，RS會以中英文混合推薦；聽者對不同語言會有不同偏好，產生「收藏」、「切歌」等行為，這就是RS學習的第一步；

②歌手是第二推薦要素。鎖定了語言偏好後，RS開始試探性地推薦歌手；同樣根據聽者的反饋，快速鎖定一個小範圍的歌手候選區間；

③經過前兩步，推薦範圍已經較為聚焦；聽者也累積了相當的個性化數據，破冰完成，「冷啟動」進而順利轉向常規的推薦方法。

2.小動作，大解讀

「羅伯特皺了皺眉，機器里發出的靡靡之音讓他有點煩躁。他嘗試觸碰那些圖標，音樂戛然而止。一陣手忙腳亂，又點按了好多其他圖標。

直到他意識到，音樂可以受他的控制停下又繼續，或因他的不滿意而換一曲。

起初的音樂總是不盡人意，後來惱人的曲好像越來越少了？這是為什麼？」

羅伯特的每次觸碰都被RS小心地記下了。RS可以從「切歌」、「收藏」等行為中迅速讀懂聽者的偏好，從而「投其所好」，這一點在收聽「個性電台」時體現得最為明顯。

這並不難理解：當你收藏《晴天》時，很可能說明你喜歡周杰倫，對此，RS後續推薦曲中出現周杰倫的幾率就會增高；當你點刪除（不再播放），會導致類似歌曲的出現幾率降低。

「收藏」、「刪除」、「下載」行為反應的好惡都很鮮明（在RS中，稱為重度實時行為），對於此，「簡單粗暴」的推薦規則往往就很有效。

相比之下，另一類操作包含的態度就很「曖昧」——切歌。切歌行為受到環境、心情等諸多額外因素的影響；而且切歌時機也很有深意（默默腦補3秒切和3分切）。

比如，在過往收聽中，你被RS打上了喜歡周杰倫的標籤，但今天你卻切掉了《晴天》，原因可能是多樣的（比如...今天是陰天？）；僅憑這次切歌而放棄向你推薦周杰倫，效果可能南轅北轍。

這時就需要RS中一套更加智能的預測機制（原理類似統計中的判別分析， Logistic回歸），將歌手、流派、切歌時機等多種影響因素綜合，去評估聽者對這首歌的真正態度。評估結果表示為一個介於0到1之間的數（1代表喜歡，0代表不喜歡），越接近1則喜歡的概率越大。

3.勾勒你的模樣

「越發熟練地點擊。羅伯特循著圖標，翻閱到軟體中的音樂分類：Pop, Light, Folk...Sad, Silent, Sweet...

他發現，在這個不知藏了多少樂曲的機器中，每一首歌都被打上了坐標。

這時他也恍然意識到，為什麼聽到的曲越來越讓自己滿意：似乎在機器眼中，他也成了一個需要定位的坐標。

一雙挑剔的耳、一次次點擊，代表著一種獨立、行走的音樂形態。在音樂王國里，輪廓清晰。」

描繪出你的聽歌偏好，為你推薦對應的歌，是RS最基本的推薦方法（被稱為「基於內容推薦」）。思路大致是：1.你喜歡鄉村音樂——2.《Country Road》是鄉村樂——3.向你推薦《Country Road》。

但是等等，真實的世界往往是這樣的：你除了喜歡古典樂，還喜歡英文歌，還喜歡陳奕迅；《Country Road》除了是一首鄉村樂，還是英文歌；還是一首抒情歌......這樣下來，簡單的邏輯也承載著複雜龐大的信息。

這時就有賴於RS中兩張設計精細的信息表——用戶畫像和音樂畫像。

用戶畫像是將聽者的聽歌行為數據抽象出來，轉化為簡潔形象的標籤。隨著你軟體使用的深入，RS會在各個標籤下不斷更新你的信息。目前QQ音樂的用戶標籤分為6維：

1.內容偏好：包括歌手、語言、年代、流派偏好等；

2.社交屬性：依託於騰訊成熟的社交生態鏈，可以挖掘出年齡，性別，職業，地區等數據；

3.場景偏好：在QQ音樂不同場景下的聽歌分析，如排行榜，歌單，本地歌曲等；

4.人群屬性：有多種群體劃分方式，比如按活躍度劃分，按流派偏好劃分等；

5.聽歌時間段：在一天中的聽歌時間分配；

6.黑名單：描述對某類歌手或歌曲的反感。

相應地，音樂畫像是在為歌曲打上各式各樣的標籤。分為六類：

1.歌手緯度：歌曲主要歌手的相關數據；

2.音頻特徵：如mfcc，pitch等音頻信號的特徵數據；

3.熱度統計：歌曲被聽，下載、收藏、分享等次數；

4.流派：如輕音樂、民謠、搖滾等；

5.情感標籤：如傷感、心痛、安靜、思念等；

6.樂器：鋼琴曲、古箏、吉他、小提琴等。 畫像如同定位了聽者和歌曲在音樂國度的「坐標」。接下來就是依照歌曲和聽者間相似的標籤，繪製出一首歌到一個聽者的「地圖」（即在用戶和歌曲間建立標籤向量）。循著地圖，讓好歌曲主動到達你「尊貴的耳朵」。

4.同好之耳，為你尋歌

「似乎應該感嘆這機器的驚人曲數和精密劃分，羅伯特想。心中卻浮起一絲懷疑。

他回想起某年在廣場上經歷的感動。

大雨如注，露天音樂會就要開場了。廣場上是意外的人頭濟濟。為了巴赫？真的是為了巴赫，當《聖母頌》響起，男女老少、胖瘦高矮，異口同聲唱和起來。那一瞬間，熱淚從羅伯特臉上滑落。

音樂是靈動的，它的深刻只能由同類人所共知。而眼前的機器分類如此蒼白，卻妄圖解讀其中深意？想到這裡，羅伯特不禁要嗤之以鼻。」

作為機器，RS知道自己的界限在哪裡。也因此更加明白，服務人的智慧還是來源於人。

「鄰域推薦」就深深地遵循了這一理念。它在音樂推薦中應用廣泛，以至於很多人將之與音樂推薦劃等號。這種方法的思路如下：1.小Q喜歡《Country Road》——2.你和小Q是相似用戶——3.向你推薦《Country Road》。

物以類聚，人以群分。鄰域方法的精妙在於，借用了與你品味相似的聽者之耳為你挑歌。既偷偷借力了「群智」；又能彌補直接打標籤造成的簡單化處理。音樂的精妙遠不止標籤提示的那樣非黑即白，對於此，人類的感官要比機器聰明許多。

那麼，如何找到與你聽歌品味相似的用戶呢？簡而言之，取決於你們喜歡的歌曲中重疊的數量。如果重合的歌曲達到一定比例，就會被認為你們是相似的，那些他所喜歡、而你又沒聽過的歌曲，會進入你的推薦歌單。

上圖是一個極端的例子。列為聽者的姓名（A-E），行為歌曲編號（1-21）。表格中的數字代表的是「是否喜歡這首歌曲」——1代表喜歡，0代表不喜歡。

那麼上面這張矩陣圖中，小A與小B就是非常極端的兩個聽者，在21首歌中，他們的偏好完全一致，我們有理由相信小A與小B品味接近，RS會向他們推薦彼此喜愛的其他歌曲，貼合心意的可能性也更高。（實際生活中的相似度很少如此理想，相似度會通過一個百分比反應）

5.隱秘的紐帶

「沉思被一首新曲打斷。美妙得如此熟悉，羅伯特卻清楚知道自己並未聽過。

從開始到現在，他聽到了一些難忘的歌。在他原本的生活里從未觸及，甚至因為語言不通，對歌詞毫無頭緒。但感受卻是相連的。

個人的領地如此有限，但技術卻讓人乘著翅膀，在音樂的浩瀚國度里自由穿行。

他呼出一口氣，選擇不再驚奇或質疑。閉上眼，享用這一刻的美好時光。」

RS搭建了音樂同好的聯繫，也串起了相似歌曲間的聯繫（原理很簡單，只要在鄰域方法的矩陣中，比較縱向的兩列數據——即兩首歌——相似度即可）。不過，這種歌曲聯繫的建立，依賴於有足夠多的聽者同時聽過這兩首歌。

還有一些聯繫更為隱秘。它們並未在聽者的使用數據中產生直接關聯，但卻有著內在相似性——假設從現有聽者的喜好中，發現中文R&B和英文R&B有直接相似性（RS稱為一階聯繫），英文和法文R&B也有直接相似性，但中文和法文R&B卻沒有（原因可能是...中國人都不懂法文？）

這時，通過英文R&B作為中間橋樑，可以發現，中文和法文R&B是有間接相似性的（稱為二階聯繫），這就是隱因子特徵挖掘方法（工程中常使用的兩種挖掘模型為：基於矩陣分解的隱因子模型(LFM)和基於能量函數的神經網路模型(RBM)）。

RS會通過挖掘這些中間紐帶，為聽者儘可能拓展推薦領域的疆土。

初入音樂之「坑」的人或許都有那麼一段獨自狂歡的時光，守著心頭之好，感嘆地球上有那麼一種聲音，與自己如此合拍。

隨著互聯網帶來的音樂資源肆溢，網路聽者的心中也泛起了迷茫——就好像在颱風將至的海邊，海岸上空無一人，看到海浪接連不斷地湧來，就像奔騰的馬群，騎在馬背上，卻永遠看不到大海的全貌。

熱愛音樂的人，無論何時何地，都無比珍惜自己的耳朵。當技術發展到今天，他們熱忱地企盼，茫茫大海中能迎來自己的Music. Right。 好在，「智能推薦」已經到來，而且在不斷成長著：）

音樂之洋，你可以縱身一躍，如你所願。

（文內羅伯特的故事純屬虛構，與原著無關，感謝帶給我們靈感的《北方人的巴赫》一書）

原文 | 李深遠（QQ音樂個性化團隊負責人）、黃安埠 （QQ音樂個性化推薦系統演算法負責人）改寫 | 陸詩雨、余潔（騰訊研究院研究研究員）

【往期回顧】

「音樂與互聯網」系列研究：

① 情緒篇：《音樂是秘密，你已經暴露了自己》

推薦閱讀：