一、qq音乐个性电台
1、融合知识图谱召回
2、此次合作对QQ音乐而言,打通了线上线下平台的互动模式,将音乐电台落到线下出行场景中去,既能够与用户探寻更多沟通方式,来完成深度互动,也能够与出行产品结合,完成品牌碰撞下的倍增效应;而对于滴滴出行而言,“踏春行音乐电台”在带给用户更加多元的线下体验同时,也能够在年轻人聚集的QQ音乐线上领域增加滴滴出行的品牌美誉度,格调与趣味并存。
3、所以如果以长短期兴趣为维度,一个做法就是深度序列模型,更加偏长期兴趣刻画,单点召回模型会相对偏短期。另外,我们也会构建用户的长短期画像,基于长短期的画像,会给定一些对应的召回路径,去满足用户长期和短期的兴趣探索。当然不只是在召回会这样做,在排序模型里面也会加入用户长期和短期的特征,来捕捉用户的兴趣。这部分在召回的同时需要做融合,最后达到最好的结果。
4、
5、对于这两个问题我们也做了一些优化:
6、音乐有丰富的知识图谱,一般是三元组。比如周杰伦演唱了东风破,属于中国风的歌曲,相比于单纯作为歌曲的特征来讲,图谱包含的信息和关系更加丰富,且关系可以进行传递。以自建歌单作为训练样本为例,也就是右图中图谱的引入,相当于将在不同歌单共现的歌曲纵向进行了串联。
7、A:首先QQ音乐数据是基于ClickHouse+Superset的OLAP分析计算可视化平台架构,然后结合一些大腾讯组件,QQ音乐也做了一些开源的组件。后面会有介绍自己的机器学习平台,在模型训练层面,以TensorFlow为主要的开发方向。在数据处理上,主要还是Hive这类的大数据处理语言和组件。在整体的服务层面或Serving层面需要C++和Go等技能。这也是腾讯绝大部分业务的方向。
8、
9、我们对基于Self-Attention方式提取多兴趣也做了不少尝试,实验发现,基于Self-Attention多兴趣模型可以很好地刻画用户在不同的流派和语种上的偏好,推荐的平均热度也相对于Youtube召回有所缓解。左图是某用户每日30首的截图,基于多兴趣挖掘出了用户的三个兴趣:国语流行、英语流行及日语流行。AB实验中完播和收藏提升都是比较明显。以每日30首为例,DAU提升了2%;总播放和收藏渗透率都会有2个点以上的提升;语种和流派多样性也提升了3个点。
10、以MIND模型为例,多兴趣模型有几个非常重要的模块,例如:
11、靠谱少年隋佶辰在本周又回到了TOP10榜单中~这首歌曲用轻松的词曲为我们勾勒了一个充满阳光的梦~这时的梦快醒了我有点舍不得,但真的该起床了。这种状态像不像工作日的早晨大家的真实写照,不要太慌张,早点起床认真过好每一天~
12、(本文为娱乐独角兽原创独家稿件,未经授权禁止转载!)
13、随着消费升级这股浪潮的规模日趋扩大,中国文娱产业也得以借势抢占一波“精神消费”的红利。当受众群体的精神需求及个性化定制所占比例进一步加强,各大节日里,“卖力”的品牌营销动作也早已让受众习以为常。在此背景下,无论是对于用户还是互联网企业而言,跨界融合与场景化营销都不失为一个不可错过的定制体验。
14、
15、
16、好看的章沐~又来了。本周带着他的作品《色》排在了榜单的第三名~这首歌同样是由创作才子章沐和徐希联合创作,整首歌洋溢着怪咖的味道,凭借这一份“怪味”成为人气热单。
17、乐谈崔健 |王菲|林夕|谢天笑|陈奕迅
18、三元组的构建有非常多的方法。利用流派的图谱举例,有(songidgenre(流派),songid2)和(songidrelation,genre(流派))两种构建方法。前一种是在NLP中常见的构建方式,但在音乐场景里面这种关系是相互的,会以笛卡尔积构建2*N*(N-1)对关系;而后面一种关系的构建更加直接,关系数直接降到了N这个级别。融合知识图谱在召回上准确率有较大提升,BadCase率的改善也非常显著。以权志龙的“Today”为例,左边是仅以Song2vec的方式做关联,会与抖音热门的歌曲有较强的绑定;而右边的Song2vec和TransE的融合,可以让歌曲的关联保证准确性和一定的泛化性。
19、QQ音乐采用SASRec序列建模,对用户的历史完播行为进行建模,提取更为有价值的信息,且叠加多个自助力机制,能够学习更复杂的特征转换。主要思路是利用户的序列L预测它的目标TargetP,self-attention层中V基于QK计算Attention权重加权计算后输入到后续网络,最后使用sampled_softmax_loss做多分类进行预测。除了融合绝对位置和相对时间,将ItemInput和OutputsharingEmbedding,相对于Youtube模型,HR@100指标有大幅度提升。基于SASRec+ShareEmbedding,同时融合了时间和位置建模,结果能达到72%的准确率,而原始Youtube是25%,准确率提升5%。
20、引入序列与多兴趣召回;
二、QQ音乐个性电台
1、
2、
3、8
4、个性电台根据天气和时段,采用动效展示。
5、作为业内积极推动版权转授权合作的音乐平台,腾讯音乐娱乐集团拥有1700万中国最丰富的正版音乐曲库,并与超过200家的国际及本地厂牌达成了合作。而在用户圈层中,以00后主导的年轻势力也已经成为QQ音乐平台的“中流砥柱”,这自然与QQ音乐年轻的平台属性密不可分。
6、 “春日出行”的概念设定总带有一丝浪漫主义的味道,温柔的春风拂面吹过,耳朵里的音乐绵远悠长。作为一门脱离于语言桎梏的艺术,它将旅途缩短,思绪拉长,音乐总能够展示人们更抽象的情感与态度,而现在,它能够展示的似乎还有更多。
7、坐拥8亿用户的QQ音乐,也是在线音乐平台中独家版权最多的音乐平台。无论是《歌手》、《明日之子》,还是《热血街舞团》、《中国好歌曲》,时下热门的综艺节目的授权歌曲live版本,总能第一时间出现在QQ音乐的曲库中。
8、二者的软件特色的不同
9、腾讯音乐娱乐集团首席执行官彭迦信曾提到,“对于音乐人而言,腾讯可以提供最全的用户覆盖,多产品的孵化能力也能让音乐人获得更多回报。”除了用户数优势外,还有包括大量扶植音乐号,推动数字音乐专辑的发展等打通媒体内容生态的举措。
10、Q5:QQ音乐技术栈是什么样的?
11、
12、往期精选
13、
14、蝰蛇音效:酷我PC端和移动端同时拥有“蝰蛇音效”功能。蝰蛇音效为四个场景应用,分别为3D美音、超重低音、虚拟现场、纯净人声。不同的音效应用在不同的歌曲上可以展现歌曲的最佳收听效果。D美音用顶级的渲染技术搭载云服务,为每一首歌选择最合适的环绕立体声场。
15、二者的主界面的区别
16、纵向联邦学习,主要是触达用户的相似,它特点是用户重叠多;
17、问题二:对序列进行avg/sumpooling的方式过于粗暴,特别是在用户兴趣较多的情况下,会导致用户的兴趣被中和甚至被抹平。
18、场景化营销
19、设计思考
20、
三、qq音乐个性电台怎么不见了
1、我们做了一些实验分析,并得到了一些结论:左上图是推荐给用户的冷启动新歌分布,右上图是对应用户人群的收藏歌曲分布,计算冷启动新歌的完播率与用户收藏歌曲的音频相似度之间的皮尔逊相关系数(具体计算方式列在下面),可以看到左下图是符合正态分布的,我们发现歌曲与用户资产的音频embedding加权相似度与用户听歌完播率的相关系数符合正态分布,从某种程度上说明部分用户听歌行为与音频是敏感的(r_value>0)。
2、酷我:主界面包括“歌词mv”、“推荐”等八个菜单项。
3、基于Self-Attention的多兴趣表征方法
4、6
5、Q3:多兴趣的召回,每个兴趣数的召回数量怎么选?
6、而围绕用户的实际情况和消费习惯展开的场景化营销动作,在达成品牌与用户之间的黏性互动时,也能够以音乐场景为切入口,主动引导用户进行场景识别,从而产生社群效应。QQ音乐与滴滴出行之间的跨界融合,在将音乐糅进用户方方面面的线下体验、不断触发用户的场景记忆同时,也给了在线音乐行业一个新的思考方向。
7、A:音频特征是有加到排序模型里面的,在QQ音乐排序模型里面大量运用了音频特征。前面也提到了,在音乐场景里面,音频是比较关键的特征,能在一定程度上表现出用户的兴趣。
8、在活动期间,用户通过滴滴出行APP呼叫快车,即可在行程中点击底部弹窗进入活动页面,随即收听“踏春行音乐电台”。同时,登录QQ音乐APP,还可以查看“音乐电台”的完整版歌单。
9、这首歌是郑景仁在国外生活的时候写下的,那也是他最寂寥的时期,我能听到歌声里的美景和愁思,勾勒成一个孤独模样。说这一切都是无止尽的想,不如说这些是现实给的无奈吧!但是,筑梦的路上,我们都孤独。
10、音频召回是音乐场景比较有特点的召回方式,将分两个部分展开讲解。
11、正当出呓语,走笔萦虹蜺。那就当是说了些梦话吧~这些想对你说的话又何尝不是对自己说的呢~“夜深了你不要醒来 孑然你的窗外行单只影 不用理会我说的的这些呓语 我想说的都是不切实际”。
12、尽管随着互联网时代的发展,场景营销已经成为一种愈显常见的营销手段,企业们的场景化营销动作也从“单刀直入”的生硬时代迭代升级,演变为真正由内而外、渗透到用户生活的场景化营销。但场景化营销的核心目的仍是将线下场景转化为线上流量,而QQ音乐与滴滴出行的合作,无疑在场景与流量间完成了“双重转化”。
13、挖掘音频召回的方式,为用户召回“听感相似”的歌曲;
14、“哦你说这样太幼稚 应该避讳那些词 你说这样还不够 作为真实的感受”。我们被迫在高速运转的齿轮城里推动那些被设计好的故事,被安排着接受这各种角色。自私一点吧,有时候就该为自己而活。
15、在去年《互联网周刊》&eNet研究院联合发布的2017网络音乐平台排行榜中, QQ音乐位列榜首,DCCI(互联网数据中心)调查显示,QQ音乐在各个年龄层的用户占比都远超其他音乐平台,在00后中使用率甚至接近7成,达到7%。
16、
17、
18、首先,在用户层面上,平台覆盖群体非常广,消费者老少皆有。
19、出品平台:DataFunTalk
20、在主面板喇叭后面的圆圈后有一个向下的三角形(符号如:▽),点击它
四、qq音乐个性电台怎么关闭
1、上图中可以看到每一个产品的特点及形态各异。例如:个性电台提供沉浸式听歌体验;AI算法歌单每天更新30首歌曲。这些多种多样的产品形态,对推荐算法和架构都提出了诸多的挑战。不同形态入口的优化目标和样本的构造都不尽相同。
2、专访湖泊乐队 |陈小熊|归一|RAINBOW计划
3、
4、
5、
6、7
7、Q4:音频特征相关的内容
8、这样的好处是数据会相对丰富,且能够学习到不同圈层信息。对于深度召回样本来讲,更多使用的是完播序列样本,另外还包含了人口统计的特征,以及一些收藏信息等。对于排序侧的样本就不是这样了。
9、而在今年春节期间的听歌用户年龄数据中,QQ音乐中的00后以85分钟的每日听歌时长超过其他年龄层人群,成为最爱听歌的人,而00后占比更是高达68%,90后和80后占比24%。年轻用户群体的青睐也为QQ音乐的场景化营销手法奠定了更多可能。
10、
11、本周TOP10的十首单曲已经一一为大家揭晓了~,接下来为大家推荐的新单是来自茶小姐和熊先生的《missyoutonight》。他们是北京胡同里热爱音乐的孩子,他们是茶小姐和熊先生。茶小姐慵懒的嗓音像一杯薄荷茶,在炎热的夏季让你感觉清凉。
12、有粉丝评论这首歌“有人听了想去酒吧,有人听了想去丽江,有人听了想要结婚,有人听了只想发给另一个人”嗨.今晚,你那里夜色怎么样,你…是不是又想他了?
13、元音计划 | 入驻元音乐教程
14、在QQ音乐场景里,我们寻求纵向联邦学习去进一步刻画用户特征。QQ音乐结合其他业务场景的系统数据,联合训练了双塔DSSM模型;其中QQ音乐塔,包含了歌曲相关的属性,包括语种、歌手、版本等;而其他业务系统塔,主要包含用户属性、用户的兴趣偏好,兴趣标签等。
15、关于我们: