用户|算法推歌20年：从Pandora、Spotify到QQ音乐、网易云音乐( 三 )_

可见，在歌曲角度和用户角度，QQ音乐的算法推荐系统尽可能做到多样化的数据融合和本土化，在新热歌曲的推荐上表现也比较突出。
而作为国内第一个以歌单为底层架构的在线音乐平台，网易云音乐对推荐系统有着自己的理解。除了用户对一首歌曲的播放、收藏、转发等常见的反馈外，社交功能强大的网易云音乐还拥有评论区这一丰富的“资源”。为此，网易云音乐专门上线了针对评论语义分析功能，以从评论的语义中判断用户对歌曲的偏好程度。
随着推荐系统近年来的飞速发展，用户的要求也在水涨船高，不少用户表示推荐系统很少给自己带来“惊喜感”。这是由于在已有的推荐系统中，用户画像方法大都没有考虑用户属性标签的时效性，因此很难刻画用户的动态变化。
网易云音乐对于深度时序网格的引入，在一定程度上解决了这个问题——深度时序网格对用户过去一段时间及当前的听歌习惯进行分析，通过对用户兴趣点的快速更新，不仅实现了对用户的实时建模推荐，还能帮助用户发现潜在喜欢的歌单类型。网易云音乐相关负责人对音乐先声表示，这在一定程度上带来了用户使用中的”惊喜感”。
但由于深度时序网络较为复杂，推荐系统的可解释性在一定程度上也会受影响。可解释性主要分为两个方面，一方面是算法的可解释性，算法的可解释性差意味着在推荐系统出现偏差时，算法工程师更难找到问题所在；另一方面则是推荐结果的可解释性，如果一个推荐系统能够给出推荐这些内容的原因，则说明其具有较好的可解释性。

文章插图
清华大学张敏教授在某购物平台上进行的一项实验表明：当推荐结果的可解释性增强时，用户对其的点击率也会有所提升。这就说明，良好的可解释性意味着更高的用户接受度。算法推歌也是同样的道理。
也就是说，在给出精准推荐的同时，还能给出可靠的解释，这样的推荐系统往往能收到更好的推荐效果。这也是目前国内外音乐平台在个性化推荐系统领域的努力方向——不仅要提高用户选择推荐内容概率及用户满意度，还要提高用户对系统的信任与接受程度。
算法之外，推歌路在何方？长期以来，国内音乐平台的推荐系统一直被拿来同国外作比较，不少用户表示，目前国外音乐平台推荐系统的使用体验较好，甚至认为这种差距主要来自于推荐技术上的落后。
但其实，在世界一流的技术团队的努力下，从算法到模型，在技术层面，国内的推荐系统并不比国外差。Toro认为：“相比于国外，国内的推荐技术并不处于劣势，国外的创作者生态和数据结构发展得比较成熟，这是他们的优势所在。我们处于不同的发展时代，而时代的发展是每个音乐产业都要经历的。”
以起步较早的Pandora为例，“音乐基因组计划”在推荐系统领域已深耕超20年，得益于8000万用户的庞大基数，截止目前，Pandora已处理了超1000亿条用户反馈。在丰富数据的“投喂”下，国外音乐平台的推荐系统起点更高。正如Toro所说：“国外音乐平台长时间搭建起的数据体系是最宝贵的财富，而这些东西是算法层面无法解决的”。
同样无法短时间解决的，还有国内音乐创作生态的问题。在音乐市场尚未成熟的背景下，仍存在不少蹭热度、滥竽充数的创作现象，当这些歌曲流入推荐歌单中时，无疑会使用户体验大打折扣。
当然，由于当下受众市场音乐审美的“参差”，确实给了一批“以次充好”的歌曲以生存空间，但并不意味着用户永远只能沉迷在“神曲”之中。当被问及音乐平台是否应该肩负起引导用户审美的责任时，Toro认为：“毫无疑问是需要的，这是每个平台都应该达到的效果”。算法其实也是有价值观的，科技向善不应该只是一句口号，我们也乐见于更多不同类型的好音乐被听到。