一、qq音乐个性电台
1、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。
2、Q4：音频特征相关的内容
3、
4、联邦迁移学习，主要是做特征的联合，用户和业务均不相似，特征和用户的重叠都比较少。
5、采用融合音乐知识图谱召回；
6、一场围绕“音乐出行”的跨界营销
7、应聘简历发送邮件：yldjs001@1com
8、Q5：QQ音乐技术栈是什么样的？
9、在音乐出行的背后，是一场基于音乐的场景化营销的探索。事实上，QQ音乐早已开启了对线上线下的场景平台搭建与跨界营销模式的探索。去年，QQ音乐发布了“智慧声态”战略，提出将新娱乐场景覆盖从线上到线下、从内容到用户、从软件到硬件的多维度泛音乐“声态圈”。在去年5月，QQ音乐与摩拜单车以“音乐骑行，一路有音乐”为主题，共同打开了跨界场景营销的大门。
10、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%。
11、2
12、在QQ音乐主面板。点击QQ音乐-设置
13、用户的兴趣向量聚簇的区分度不够。
14、接下来将从序列建模和多兴趣建模分别介绍对上述问题的改进和实践。
15、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。
16、在线服务中，Q音塔产出ItemEmbedding，其他业务系统塔产出UserEmbedding；使用ItemEmbedding建立索引，而UserEmbedding通过线上实时Serving预测得到后去做近邻查询。
17、涉足出行领域，对于QQ音乐而言，是为满足用户多元需求，为探索更多场景可能布局中的重要一环。而这一切都基于QQ音乐所拥有优质曲库、数字音乐和艺人资源，为听懂用户提供了强有力的支撑。
18、◆ ◆ ◆
19、
20、基于Self-Attention的多兴趣表征方法
二、QQ音乐个性电台
1、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?
2、无论是在太古里落地QQ音乐快闪店、高校音乐跑步大赛，还是在春节过后打造的QQ音乐•站，QQ音乐正在通过音乐性，将更多感性的音乐内容融入到生活场景中去，而这些场景几乎囊括了受众日常的“衣食住行”等线下场景，让音乐与用户体验完成无缝衔接，给用户带来完整的场景体验。
3、音乐指纹：下载的歌曲名有错误，有“智能重命名&#帮你修改；经常听一首歌曲但苦于不知道什么歌曲，还有“歌曲识别工具”帮你快速得辨别。
4、导读：今天和大家分享一下关于QQ音乐在召回算法中的一些探索和实践。将会从以下五个方面进行介绍：
5、在新歌冷启动和歌曲投放召回里面，QQ音乐利用音频向量对用户的音频偏好以及歌曲音频表征进行处理，利用歌曲的音频表征进行候选歌曲的召回，再利用用户的音频偏好作为特征进行排序，也取得了非常不错的效果。
6、
7、酷狗：
8、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。
9、序列与多兴趣召回
10、qq音乐个性电台不能一起听得解决办法:
11、9
12、除了MIND使用胶囊网络的方式进行多兴趣提取以外，目前业界还有基于Self-Attention的多兴趣表征方法。区别主要在于神经元类型、权重分配方式以及权重的更新方式。下图中可以看到，左图胶囊网络权重的分配概率，是在上一层的所有胶囊中进行归一化；而在右图里面，每个注意力头独立的处理其输入。
13、第一种：网络卡顿，导致音乐加载不出来，所以听不了。可以调整数据网络，通畅的时候进行播放。因为没有按播放键。当你放音乐的时候是需要点击播放的，如果没有点的话是听不了的。
14、酷狗：酷狗科技公司
15、3
16、刚才讲的是深度模型召回样本的选择。对于普通的单点召回，这部分主要是怎么去建图模型。图模型的建立目前主要是利用用户自建歌单，这部分数据可能有上十亿的数据，基于歌曲在歌单的共现情况，以及歌曲和用户的互动情况，可以构建非常大的图模型。基于上述方式构建图模型后，就可以使用各种图模型对节点进行表征了。
17、纵观互联网在线音乐市场格局，互联网在线音乐市场在经历了版权互授动作后，聚焦点更多回归到产品内容及用户体验中来，在此背景下，QQ音乐迫切在做的，是如何通过开设更多入口提高用户的个性化体验，为用户构建一个独一无二的QQ音乐场景生态——将用户的心理行为轨迹研究透彻，并且从碎片化时间中争夺用户的关注焦点。
18、对于曲库内的歌曲，基于四大类属性检测，比如纯人声、纯器乐、人声加伴奏和其他，以及十大流派检测，比如摇滚、民谣、乡村等，来表征一首歌曲的version和genre，也就是版本和流派。具体是以3秒为一个段落，对14大类的每个特征值，沿时间轴取T个分值，分别计算统计值，包括最大、最小、均值、方差、峰度和偏度。基于这14大类，提取出右边这样的音频特征，而音频特征就是对应的音频表征(音频向量)。
19、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。
20、探索联邦学习的方法，解决用户属性稀缺的困难问题。
三、QQ音乐个性电台和雷达
1、第一部分是Context/demographic是融合上下文信息以及年龄、性别和城市等统计学信息的模块；
2、成立于97年的透明乐队2002年的时候获得了上海亚洲音乐节全国优秀冠军，曾和孙楠、杨坤、李克勤等诸多大咖合作过。爱的感觉是透明乐队较为早期的作品了。放到现在依然很好听，果然好音乐是不会过时的~
3、
4、
5、会是在线音乐市场的一门好生意吗？
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、在文末分享、点赞、在看，给个3连击呗~
8、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。
9、接下来详细介绍这几个方案。
10、步骤如下：
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、在最开始尝试模型的时候遇到了一些问题，比如：
13、本期的元音乐原创榜要和你saygoodbye啦，更多电台内容比如新声驾到等欢迎大家来企鹅FM、喜马拉雅、荔枝、情咖FM、网易云音乐电台、QQ音乐电台等搜索元音乐收听哟！
14、
15、而不仅是“跑步电台”，QQ音乐“MusicYourLife”理念也在自生态运营中处处体现：今年五一小长假，QQ音乐与摩拜单车在北上广等6大城市联合开启了“音乐骑行，一路有音乐”主题活动，鼓励用户在音乐陪伴之中走出“趣”、发现平日因匆忙而错过的身边美景，并通过王牌功能“歌词海报”与用户做场景沟通；在《速度与激情8》热映期间，联合时尚运动体验馆SpaceCycle定制了“速度+激情”音乐主题课，实境还原了电影场景中的飙车竞速体验。以音乐为媒介，QQ音乐“MusicYourLife”理念正逐步走入人们的不同生活场景。
16、往期精选
17、二者的软件特色的不同
18、4
19、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。
20、新歌推荐
四、QQ音乐个性电台怎么刷新
1、魔性声波：用户听超品或者无损音乐的时候，魔声音波会针对每首歌曲的节拍、速度、频率、精准计算出现音波，音波会随着不同的歌产生不同的动态变化和艳丽的的色调，实时体现音乐的波谱，帮助用户感受超高音质带来的效果
2、联邦学习召回方法
3、
4、今天的分享就到这里，谢谢大家。
5、歌曲Embedding的聚簇效果不是很好；
6、A：首先深度召回模型的输入本身是一个相对长期的序列，这部分兴趣序列对用户是比较长的一段时间、整体听歌行为的一个刻画。这部分刻画相对是偏长期；单点召回又是I对I的召回，是拿用户最近的播放行为进行关联，可能是一个短期相关的行为。举个例子，某用户最近在这一天或两天内收藏的歌手，会认为是该用户最近的强短期兴趣，且会以这个兴趣为接下来发送更多可能喜欢的、音频相似的歌曲，或者是说协同相似的歌曲等。
7、
8、走过正版化，数字音乐为用户的生活带来了越来越多的可能性。不断加强与智能车载互联、智能音响设备、智能电视等多个领域终端设备展开合作，QQ音乐“MusicYourLife”理念通过全场景渗透将继续打造充满惊喜的完整音乐生活链，除了运动，在咖啡、旅行等不同生活领域的探索也指日可期。
9、音频特征挖掘方法
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、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。
12、在QQ音乐场景，80%以上用户听两个以上流派，47%以上用户听两个以上语言歌曲。如何更加精准的挖掘用户听歌序列的多兴趣，甚至小众的听歌兴趣，非常重要。
13、联邦学习有三个分类：
14、上面介绍的方式都是基于纯音频的表征，那是否可以联合用户的行为进行metriclearning呢？通过实践，我们提出了User-AudioEmbedding建模方法。user部分是利用深度模型计算的40维userembedding。audio部分的模型改用用户喜欢的一首歌和用户不喜欢的n首歌，与40维的userembedding做metriclearning。训练好的audio部分模型，可对任何音频输入得到40维的embedding。相对于之前提到的单纯audioembedding，融合了user信息的useraudioembedding在音频的召回准确率上得到了进一步的提升，这一点也在MIREX大奖中country，rap/hip-hop/K-pop这三个流派分类的精准度，达到了历史的最好成绩。User-AudioEmbedding模型也拿下了MIREX大奖，论文发表在ICASSP上面，有兴趣的同学可以去搜这篇文章看一看。
15、
16、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。
17、
18、优化2：对于问题在第二层也就是动态路由层的参数，Routinglogits采用每个新样本重新初始化的方式进行更新，以这种方式进行优化，歌曲Embedding的聚类有非常明显的改善，而MIND结合sideinfo以及ModifiedDR路由方式，在Hitrate@200的指标上可以达到2%的结果，这个结果相对于前两个多兴趣baseline有一个非常明显的提升。
19、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~
20、在QQ音乐首页有非常丰富的推荐产品，例如：个性电台、每日30首、单曲推荐、UGC歌单推荐和AI歌单等等。
五、qq音乐个性电台没有了
1、活动推荐：
2、以上这些推荐的场景给召回算法带来如下挑战：
3、这种方式的引入，也解决了歌曲Top份额上的一些问题，大概有2%的热门下降，热门的推荐问题也有所改善。
4、这部分线上也做了实验，把三个簇的结果融合在一起去做排序，而不是每个Quota都分配数据结果会相对好一点。但是热门分发的份额会更多，内容的利用率其实没有那么高。所以现在采取的方式是：每个簇都给了一定的Quota，让不同的兴趣，即使权重小，也有机会进入到排序层面进行公平的竞争。
5、每个人都会有不同的烦恼，生活就该简简单单，快快乐乐。给我一杯忘情水，还我一碗孟婆汤，一起忘记烦恼和忧愁~听这首歌仿佛所有的烦恼都能轻易的被丢掉~
6、通过与不同品牌的联合，“MusicYourLife”将音乐渗入不同的生活场景，以期让音乐与生活发生碰撞，激发更多灵感。去年11月，QQ音乐作为年轻、时尚的音乐领导品牌，与知名运动品牌Nike强强携手推出“跑步电台”，将音乐陪伴与运动数据记录功能合二为解决了两类APP不能兼得的痛点。通过自动匹配音乐、同步信息、记录轨迹、好友PK等创新玩法，“1=2”的“跑步电台”集技术应用与互动体验于一身，为跑步爱好者开启了“乐跑”新模式，让音乐和跑步这对黄金搭档激活出更多生活正能量。
7、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。
8、“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。
9、酷我：主界面包括“歌词mv”、“推荐”等八个菜单项。
10、最后，与电商、视频流场景不同的是，音乐的重复消费是音乐推荐场景一大特征。另外，音乐推荐的产品多种多样，不同形态的特点非常鲜明；比如歌曲的音频、歌词、歌手等、UGC歌单的标题和图片等等。
11、
12、
13、
14、8
15、个性电台根据天气和时段，采用动效展示。
16、
17、头部热门非常严重，相对来讲，如果不做特定的干预，推荐结果会缺少惊喜感。
18、
19、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。
20、设计思考
六、qq音乐个性电台
1、酷狗：主界面包括“乐库”、“电台”等七个菜单项。
2、7
3、方法步骤
4、元音计划 | 入驻元音乐教程
5、出品平台：DataFunTalk
6、联邦学习召回
7、5
8、接下来介绍QQ音乐推荐场景的一些特点。
9、踏春行音乐电台，
10、专访湖泊乐队 |陈小熊|归一|RAINBOW计划
11、QQ音乐通过贴心的设计、良好的体验、曲库、最新的流行音乐、专业的分类、丰富的空间背景音乐、音乐分享等社区服务，让QQ音乐成为中国网民在线音乐生活的首选品牌，引领着人们的音乐生活方式。
12、下图是一个双塔的多目标模型，QQ音乐在双塔召回模型的基础上，对模型进行了简单升级，可以结合多业务场景建模。采用MMoE模型对多目标进行学习，左边是user侧，引入了不同的Expert进行学习；右侧是不同业务场景的业务数据，包括QQ音乐的Item侧以及业务X的Item侧。这种联合学习能够把不同域的属性和特点都融合在模型里面，进而更精准地学习用户表征。联邦学习的引入大幅提升用户冷启动的数据，例如：个性电台、每日30首和单曲模块等等，这些入口的冷启动数据都有显著的提升，冷启动的人均时长均有10%左右的显著提升。这里还是要强调：联邦学习完全保护用户隐私，TME严格遵循相关的法律法规，遵循隐私保护的原则，为用户提供更加安全和可靠的服务。
13、
14、
15、3月26日，由QQ音乐与滴滴出行联合发起的“踏春行音乐电台”正式登陆滴滴出行APP，同款“春日歌单”也在QQ音乐APP上线。这是一次头部音乐平台与头部出行产品的跨界合作，也是QQ音乐一次基于“车轮时光”的场景营销探索。
16、6
17、只要您拥有QQ音乐播放器，就拥有属于您自己的流行音乐。
18、酷我：
19、
20、跨界背后，是无处不在的QQ音乐之力
1、A：在音乐场景里，有非常多的入口。每个入口的样本分布差异很大，或者说特征分布是不同的。比如：每日30首的用户分布、特点，跟电台场景相比，差异很大。在最开始的时候也提到过这个问题，所以对于排序来讲，排序侧的样本是针对每个单独的点位做优化。所以这里的样本都选择点位本身的样本。而召回是所有入口都共用的召回模型，所以对召回模型来讲，用的是大盘数据，也就是用QQ音乐的整体数据做统一训练。
2、乐谈崔健 |王菲|林夕|谢天笑|陈奕迅
3、音乐本身包含非常多的基础属性，例如每一首歌几乎都有专辑、歌手、流派和语种等。为了提升召回的准确性，很多召回模型会将这些属性作为歌曲的Side-Info融入到模型进行学习，在QQ音乐的召回中也使用了EGES/GraphSage这类的模型。不过这两类模型也存在不足，例如，EGES模型能融合Meta信息，如前面提到的语种、专辑等，这种特征的增加会使得召回的泛化性有所不足；抖音的生态也会洞穿很多歌曲的Meta关联逻辑。另外，QQ音乐的曲库非常庞大和丰富，利用一些复杂图模型的训练周期相对较长，效率也强依赖与工程能力，所以接下来融合知识图谱的召回，在这两方面做了折中且有不错的效果。
4、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。
5、新专辑《21号公路》既有中国西北部漫天风沙的味道，更融合了来自美国西部的空旷感、牛仔般的洒脱和狂野感。不管快歌慢歌，吉他和鼓的音色都是那么粗粝、慵懒。把人带到了得克萨斯州那种笔直伸向远方的公路上，正切《21号公路》的主题。主打歌《21号公路》有着美国大片的即视感，22年的布衣乐队，整理行装，继续在路上。
6、1
7、
8、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。
9、
10、首先，在用户层面上，平台覆盖群体非常广，消费者老少皆有。
11、HIFI独占模式：类似Foobar的WASAPI独占播放，集成Foobar的WASAPI设备切换，独家改良成开关交互，使操作更方便。开启独占模式后，电脑其它软件会静音，使音乐有更好的播放表现。
12、10
13、
14、
15、序列与多兴趣召回，主要是为了挖掘序列中时间和空间的特性，以及用户的多兴趣表征。
16、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”。
