网易云音乐个性化推荐是一个怎样的技术？

在每日歌曲推荐页面，网易云音乐比较简单的解释了个性化推荐的运作机制，比如播放、红心、收藏等用户行为，都会对推荐算法产生影响，一方面表明算法机制，另一方面也鼓励用户多听歌、多动手，让产品更懂你的前提是用户行为足够丰富。另外，在早前网易云音乐的官方新闻中，也可以看到，海量UGC内容结合协同过滤、语义分析、操作分析技术，这些都是个性化推荐的运行机制。而综合来看，基于音乐与基于用户协同过滤的两种推荐方式，就是个性化推荐的主力。

网易云音乐的推荐，就有部分是基于音乐而来，但其音乐标签却引入了UGC元素。一般音乐平台引进歌曲时，都会有歌曲自带标签，而网易云音乐还把歌单的标签元素加了进来。在用户新建歌单时，可以选择1—3个标签，这些标签根据语种、风格、场景、情感、主题划分为五大方向，一共72个，供用户选用。在歌单里的音乐，也会或多或少带上这些标签，通过后台综合考量再进行推荐，也就能满足用户对新鲜感和多样化的追求了。

所谓个性化推荐，其实是一种信息过滤系统，用于预测用户对物品的评分或者喜好。通常意义上，个性化推荐会利用产品后台大数据功能，通过分析数据发展趋势、跟踪用户使用行为等方式，为用户推荐“定制专属”内容。最先把个性化推荐发展到极致的可能是Amazon，而豆瓣FM，则可算是前几年国内音乐网站中个性化推荐的代表。

我觉得基于音乐内容的推荐，实际上是一场关于用户音乐口味恒定性的对赌。如果一个用户的音乐口味专注而且单一，那么从歌曲标签出发，推荐而来的歌曲会越来越合胃口。而对于大多数用户来说，心仪的曲风至少有三个或以上，很难断定哪个是最爱的，在这种情况下，单纯从音乐出发，而不考虑时间、地点以及用户对新鲜感的需求，红心列表中的歌曲就会趋于同质化。如此反复，就会陷入虽然推荐的歌曲都是喜欢的，但再也接触不到新鲜曲风的困扰。