歌曲推荐场景下如何做好内容分发

场景

1. 分发推歌歌曲
2. 分发vip歌曲
3. 分发长尾歌曲

架构

歌曲池，歌曲倒排索引，召回，排序，探索，实时监控

召回

协同过滤（itembased）

数据：用户最近180天完整播放且收藏的歌曲 uid: sid1, sid2, sid3
mapreduce 计算歌曲共现数和各个歌曲的总次数
相似度函数： jaccard 相似
输出：歌曲到相似歌曲的映射表
sid1 \t sid2,sid3,sid4

用户画像

首先计算用户画像
输入

1. 歌曲类目：风格，语种，城市等级，省份，评论数，发布年代，艺人性别。
2. 用户偏好歌曲（收藏或完整播放）
   输出：计算用户在不通歌曲类目下的转化情况（不通类目的权重用各类目的方差归一化后）

根据用户画像推荐歌曲
输入：
用户画像
歌曲类目
输出：用户偏好分

基于向量召回

向量获取：word2vec， gcn等

i2i召回：

keys：歌曲，query：用户偏好歌曲（最近收藏或完整播放歌曲）
利用faiss向量引擎进行检索

u2i召回

youtube DNN召回：用户最近播放序列 --> 用户embedding --> softmax 进行分类（几十万label）
DSSM召回：用户embdding塔，歌曲embdding塔 --> cosine loss

如何提高歌曲向量覆盖

CB2CF

歌曲内容特征 --> cf vector cosine loss

音频

歌曲音频特征 --> cf vector cosine loss

排序

LR模型

人工交叉特征

FM模型

二阶自动交叉特征

DIN模型

用户序列attention建模，

LINUCB模型

长尾歌曲探索
偏好因子 + 探索因子