网易云音乐的个性化推荐算法简析

本文是一个云村九级用户，根据多年的使用体验，对网易云音乐个性化推荐系统（私人FM，每日歌曲推荐，推荐歌单）运作模式的猜测分析。

很早以前刚开始使用网易云音乐的时候，我就对其个性化推荐系统有过一些猜测，当时以为只是基于协同过滤算法做出的推荐。但是在最近阅读了一本有关数据挖掘的书籍，看到了不少数据分析实例后，我有了一些不一样的看法。先说基础的推荐算法。

1.基础算法

1.1协同过滤算法（Collaborative Filtering）

一个构建个性化推荐系统的经典算法，起源于1992，被Xerox公司用于个性化定制邮件系统。其核心思想十分简洁，分为以下两点。

• 基于用户的协同过滤

已知用户A喜欢的产品用户B都喜欢，又知道用户A喜欢产品C，推出用户B也喜欢产品C。

• 基于产品的协同过滤

已知喜欢产品X的用户都喜欢产品Y，又知道用户Z喜欢X，推出用户Z也喜欢产品Y。

以上两种协同过滤的思想都在于通过相似性来过滤产品，完成个性化推荐。网易云音乐属于典型的用户数目多于歌曲数的音乐软件，因此应当使用的是基于用户的协同过滤算法，下面以此为例，分析个性化推荐的可能实现过程。

先对每首歌的喜欢程度进行简单的量化：

比如：单曲循环=5, 分享=4, 收藏=3, 主动播放=2 , 听完=1, 跳过=-1 , 不感兴趣=-5 。

根据上面的这些操作，可以得到每个用户对每首歌的打分情况。