|
互聯(lián)網(wǎng)已逐漸成為數(shù)字多媒體資產(chǎn)（數(shù)字音樂,數(shù)字電影…）的存儲和分發(fā)中心。雖然互聯(lián)網(wǎng)的結(jié)構(gòu)能使用戶方便的獲得內(nèi)容，但這些內(nèi)容資源需要有強(qiáng)有力的管理、檢索和呈現(xiàn)工具的支持，數(shù)字音樂內(nèi)容當(dāng)然也不例外?；谟脩粢魳房谖兜?strong>個性化音樂內(nèi)容推薦是當(dāng)前最熱門的應(yīng)用方法。而同時音樂作為與朋友交流關(guān)于個性、歷史、文化等重要的媒介，所以很多音樂服務(wù)中往往會融入SNS的應(yīng)用。 用戶特征描述 音樂內(nèi)容本身有一定的文字信息（專輯的簡介、音樂人的生平….等），但這些信息很難直接與音樂文件相關(guān)聯(lián)。一般的音樂社區(qū)會要求用戶建立自己的Profile作為分析用戶音樂口味的最基本要素，這也更利于SNS的融合。像FOAF就是一種常用的方法。
音樂推薦系統(tǒng)的目標(biāo)是基于用戶的音樂口味向終端用戶推送喜歡和可能喜歡但不了解的音樂。而音樂口味和音樂的參數(shù)設(shè)定是受著用戶群特征和用戶個性特征等不確定因素影響。例如年齡、性別、職業(yè)、音樂受教育程度等的分析是能幫助提升音樂推薦的準(zhǔn)確度。部分因素它是可以通過使用類似FOAF的方法去獲得。但要使這個描述對推薦系統(tǒng)有最大的價值，設(shè)計描述的字段也是有一定的難度。同時驅(qū)動用戶更主動的去填寫盡可能多的信息對互聯(lián)網(wǎng)運(yùn)營來說也是一個挑戰(zhàn)。 音樂信息的呈現(xiàn) 音樂推薦系統(tǒng)的其中一個重要特征是使用戶具有動態(tài)獲得新音樂和相關(guān)信息的能力，也就是說用戶能在使用的過程中不斷能發(fā)掘新的音樂。部分非點(diǎn)播類音樂網(wǎng)站采用RSS的方法去推送，將這些新音樂信息推送給用戶。RSS的內(nèi)容聚合功能還能將音樂新聞、音樂事件（演唱會活動）、新專輯信息、專輯簡介等音樂相關(guān)信息聚合。iTunes音樂商店提供了每周更新一次的RSS feed，向用戶推薦新發(fā)布的新專輯。 這種結(jié)合RSS的方法能有效的挖掘用戶對音樂的深層次需求，以提高對網(wǎng)站服務(wù)的粘性。用戶在音樂的需求并非只是欣賞，音樂學(xué)習(xí)、音樂交流、參與音樂會….都會是相關(guān)的需求。 音樂個性化推薦系統(tǒng) 常規(guī)的音樂個性化推薦系統(tǒng)常用的實現(xiàn)方法有兩種：分別是協(xié)作過濾與內(nèi)容過濾。 一、協(xié)作過濾方法是通過用戶的回饋分析實現(xiàn)音樂推薦系統(tǒng)的不斷優(yōu)化。這些回饋又可分為顯性和隱性兩類。顯性的數(shù)據(jù)比如用戶對音樂的評分、評論、收藏等，而隱性的則是用戶的音樂行為習(xí)慣的收集。協(xié)作過濾的問題是需要面對海量數(shù)據(jù)的處理、無效數(shù)據(jù)的過濾（包括Spam的剔除）等等。另有一個缺陷是很難實現(xiàn)一種創(chuàng)造性音樂類型的推薦，也就是說有一個新音樂如果與其他音樂有極低的相似性或者沒啥相似性，那么系統(tǒng)就很難把這個新音樂向用戶推送出去。 這種方法的優(yōu)勢是比較直觀和降低專業(yè)門檻。作為網(wǎng)站來說，應(yīng)該具有深刻理解內(nèi)容的團(tuán)隊，但畢竟音樂是門綜合的藝術(shù)，要組建一支熟悉各種音樂類型、音樂文化背景和歷史的團(tuán)隊也絕非易事。它常用的具體手段是：
亞馬遜的音樂推薦、Last.fm的Audioscrabble、MusicMobs等都是采用此類方法，有興趣的朋友可以去琢磨一下開源的irate音樂推薦系統(tǒng)。
二、內(nèi)容過濾方法是通過提取音樂內(nèi)容本身的信息和結(jié)合音樂元數(shù)據(jù)的分析，然后根據(jù)與用戶音樂口味的差值比較去呈現(xiàn)最接近的音樂。音樂元數(shù)據(jù)分析也就是給每首歌曲添加標(biāo)簽，這些標(biāo)簽可能包括音樂的調(diào)性、速度、節(jié)奏…..等等。 這種方法的弊端是需要大量專業(yè)的人工完成，分析的結(jié)果受這些專業(yè)人員一定程度上的主觀因素影響，而且本身元數(shù)據(jù)的分類和分級設(shè)計是一項非常專業(yè)的工作。這可能也是采用這種方法的網(wǎng)站相對較少的原因。 這種方法最大的有利之處就是解決了協(xié)作過濾中新音樂推薦的問題。潘多拉音樂服務(wù)是最典型的內(nèi)容過濾，據(jù)稱是采用了200多種音樂元數(shù)據(jù)。 三、一定的內(nèi)容過濾結(jié)合協(xié)作過濾被認(rèn)為是既能解決以上二種方法的弊端，又能發(fā)揮它們的優(yōu)勢的辦法。 其他 隱私保護(hù)：個性化信息獲得的同時也觸及了用戶的個人隱私，那么如何保護(hù)用戶的個人隱私也是系統(tǒng)需要解決的關(guān)鍵問題。 Mashup應(yīng)用：調(diào)用其他相關(guān)類網(wǎng)站的API以豐富內(nèi)容，例如國外很多網(wǎng)站采用Mashup去調(diào)用Upcoming.org的演唱會信息。 總結(jié) 個性化音樂推薦系統(tǒng)是“音樂2.0”最常用的工具，也是實現(xiàn)音樂長尾模式的方法。對于數(shù)字音樂服務(wù)來說，無論是音樂下載服務(wù)，還是互聯(lián)網(wǎng)音樂電臺服務(wù)，都需要有優(yōu)秀的內(nèi)容推薦系統(tǒng)去輔助。整個系統(tǒng)的大致流程是：從用戶的個人描述估算用戶的音樂興趣—->收集用戶的音樂收聽習(xí)慣（內(nèi)容的分析）——>數(shù)據(jù)比較分析（相似樂隊和相似用戶的計算）—–>推送近似用戶興趣的樂隊和歌手的音樂及相關(guān)信息。 |
|
|
