qq音乐个性电台喜好怎么设置【个性网名132个】

一、qq音乐个性电台

1、2

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、最后一部分是OnlineServing模块，线上分为多个兴趣向量进行近邻检索，每个索引集合都是用户某个兴趣的聚类，也就是用不同的UserEmbedding去线上索引出用户不同的兴趣簇类。

4、近段时间，大家都在讲在线音乐平台进入了后版权时代，尽管这一理论尚且有待思考，但对于音乐行业而言，产品体验的竞争“枪声”确实再度打响，而在碎片化时间中争夺用户视线焦点的大前提下，场景化营销又是否能够为在线音乐平台带来新的灵感？

5、二者的主界面的区别

6、对于这两个问题我们也做了一些优化：

7、

8、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。

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、 

11、音频特征挖掘方法

12、二者的出品公司不同

13、Q4：音频特征相关的内容

14、

15、 

16、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；

17、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。

18、(本文为娱乐独角兽原创独家稿件，未经授权禁止转载！)

19、往期精选

20、 

二、qq音乐个性电台喜好怎么设置

1、序列与多兴趣召回

2、在多兴趣召回部分展示的结果，也是基于这样的方式；这样的整体效果也非常不错，多个指标都达到了共赢。

3、联邦学习召回方法

4、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。

5、

6、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?

7、酷我：

8、

9、“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。

10、 

11、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”。

12、歌曲Embedding的聚簇效果不是很好；

13、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。

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、基于上面的三个问题，我们提出了以下解决方案：

17、

18、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。

19、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。

20、踏春行音乐电台，

三、qq音乐个性电台怎么不见了

1、问题一：用户的听歌行为存在一个序列关系，特别是在推荐的场景里面，除了包含位置信息，还包含了行为发生的时间影响，即同时存在时间和空间关系；

2、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。

3、互联网核心应用算法宝藏书PPT电子版下载！

4、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。

5、5

6、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。

7、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。

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、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)。

10、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。

11、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。

12、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%。

13、 

14、二者的软件特色的不同

15、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。

16、免费福利：

17、 

18、9

19、活动推荐：

20、基于Self-Attention的多兴趣表征方法

四、QQ音乐个性电台怎么刷新

1、联邦学习召回

2、编辑整理：曾新宇对外经贸大学

3、 

4、Q2：在音乐场景下怎么去平衡一个用户的长短及兴趣？

5、 

6、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。

7、千万量级的正版乐库，业界领先的播放品质，让您跟随最新最潮的音乐，给您自由探索的空间。

8、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。

9、 

10、 

11、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。

12、在文末分享、点赞、在看，给个3连击呗~

13、 

14、10

15、

16、横向联邦学习，主要是业务相似或相同，它的特点是特征重合，多做的主要是样本的联合；

17、以上这些推荐的场景给召回算法带来如下挑战：

18、

19、步骤如下：

20、 

五、qq音乐个性电台变成猜你喜欢

1、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。

2、“音乐号”的目标不是流量，而是内容与用户的高效对接转化率，无论是海量曲库内容，还是个性电台、用户个性化推荐等定制体验，或是QQ音乐经典的绿钻豪华版的无损音质，针对消费者娱乐体验形式的多元化发展和不断增长的娱乐消费需求，QQ音乐不断在线上、线下两大路径进行着积极探索。

3、酷狗：酷狗科技公司

4、用音乐串联生活、提升生活品质，“MusicYourLife”是QQ音乐提出的倡导阳光、轻快、正能量的全新生活方式与生活理念。

5、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。

6、同时支持在线音乐和本地音乐的播放，是国内内容最丰富的音乐平台。其独特的音乐搜索和推荐功能，让您可以尽情地享受最流行，最火爆的音乐。

7、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。

8、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。

9、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！

10、qq音乐个性电台不能一起听得解决办法:

11、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。

12、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。

13、

14、今天的分享就到这里，谢谢大家。

15、其次，目标群体的固有属性比较稀缺，除去音乐本身的画像，其他属性仅有用户填写的少量人口统计学信息。在行为层面，即用户的互动层面，完播和切歌是主要的操作行为，也有收藏、拉黑、关注以及加入自建歌单等其他操作。

16、 

17、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)。

18、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。

19、 

20、个性电台根据天气和时段，采用动效展示。

六、qq音乐个性电台

1、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。

2、酷狗：主界面包括“乐库”、“电台”等七个菜单项。

3、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。

4、引入序列与多兴趣召回；

5、 

6、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。

7、

8、联邦学习是一种机器学习技术，可在拥有本地数据样本的多个分布式边缘设备或服务器之间训练算法，而无需交换数据样本，保护数据隐私。近年随着联邦学习的兴起，在金融等领域已经有多个联合建模的成功案例，我们也开始寻求在大腾讯生态下引入纵向联邦学习提升召回的准确性。

9、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：

10、Q3：多兴趣的召回，每个兴趣数的召回数量怎么选？

11、以MIND模型为例，多兴趣模型有几个非常重要的模块，例如：

12、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~

13、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。

14、优化1：对于问题在Songid的基础上，加入完播歌曲的语种、流派等数据进行拼接，尽量减少模型学习的成本，显式地告诉模型，某些歌曲的聚类是相近关系。

15、QQ音乐播放器是一款带有精彩音乐推荐功能的播放器。

16、

17、覆盖包括Billboard中国、看见音乐、着调等优质内容的音乐号，来满足用户对于多元模式的听歌需求， 再通过与用户实现深度互动、打造用户的个性化“关系网”来实现更具备用户个人特色的定制体验。而当定制体验落到出行场景，与滴滴出行合作，也无疑是能够带来不一样的体验。

18、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。

19、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。

20、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。

1、

2、酷狗：

3、乐谈崔健 |王菲|林夕|谢天笑|陈奕迅

4、接下来介绍QQ音乐推荐场景的一些特点。

5、挖掘音频召回的方式，为用户召回“听感相似”的歌曲；

6、会是在线音乐市场的一门好生意吗？

7、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~

8、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。

9、 

10、 

11、  

12、基于上面的分析结论，音频embedding也用在了QQ音乐单曲推荐的多个场景召回中。例如：使用音频相似做单点召回，提升了用户的惊喜感，用户的收藏行为有明显增加。前段时间大热的火星哥的LeaveTheDoorOpen，通过以音频相似来召回Peaches或者WalkonWater这一类歌曲。在没有其他协同信息的情况下，挖掘歌曲的音频表征也有助于冷启动分发。