听个曲儿都有人工智能?

音乐,俗称曲,京片子喜欢再加个儿,于是变成了这顺着嘴边划出来的曲儿。

几百年前,凡是赶上农闲节休,一大口子,吆五喝六,便去凑那戏台子热闹。干什么去啊?听曲儿呗!

都给我让开,老佛爷来听曲儿了!

那时候人们也没的挑,能有的听就知足,所以这一个曲儿一个词儿甚至都被琢磨出了几百种腔调,没事的时候人们还要比试比试,显摆一下自己的把式。

可是这转眼就到了21世纪,人们是头发短了、脚变大了,一个个算是走进了新时代。可是听曲儿这乐子可是没变,只不过现在是百家争鸣、万花齐放,以前赶个大早才能凑上的热闹,现在拿着手机随时随地,想听就听,而且还随便选,多的都不知道听什么了。

到底要听啥!

所以说,以前那是“饿得发慌”,现在这是“撑得难受”,这曲儿实在是太多了,于是人们对曲儿的要求可是真心变高了不少。一遍一遍的点随机下一首,可却是怎么也不满意。

“找个喜欢听的曲儿还怎么就找不着了呢?!”

但别急,要说现在最火的音乐软件,那就是网易云音乐了。为什么?人家率先打出来旗号,咱这有音乐推荐功能。什么意思?你想听什么,我系统直接知道,你甭操心,我直接给你呈上来,包你满意。

嘿!这东西神了!以后我直接听它给我推荐的列表就行,妈妈再也不用担心我找不到好的曲儿了!

可是这东西怎么做的呢?它怎么知道我喜欢什么不喜欢什么呢?

这可就要归功于人工智能了,就是因为它,咱们才能直接听到喜欢的曲儿。

这其中的原理啊,概括起来八个字。

“物以类聚,人以群分”。

什么意思?至于物,猫都和猫玩,不搭理狗;至于人,人都和自己身份,品味差不多的人在一起,高攀低探也是累得慌。

那人这品味怎么体现呢?至于吃,那就是都喜欢吃同一道菜,至于学,那就是都喜欢看同一本书。那至于乐?便是都喜欢听同一首曲儿。

于是网易云音乐就把各位听官的听歌历史拿过来,看看有没有跟您一类的人,如果有,那便给您推荐那个人听过的歌,那不就行了嘛!因为你们品味差不多嘛。

比如张三听过《自由飞翔》、《最炫民族风》,李四听过《自由飞翔》、《最炫民族风》、《月亮之上》,王五听过《甜蜜蜜》。那张三和李四一看就很相似嘛,都是广场舞战士,因为听过这么多相同的凤凰传奇作品。而且李四听过《月亮之上》,张三还没听过,张三肯定喜欢这个,那我就给你推荐这首《月亮之上》吧!

找啊找啊找朋友

不过咱们人可以一眼就看出来张三李四相似,电脑怎么知道呢?

这里就涉及到我们高中学过的集合知识了。电脑把每个用户听过的歌曲历史看成是一个集合,当分析两个用户是否是一类人时,就对他们的听歌历史集合取交集,然后计算一下交集内歌曲的数量,数量越大当然代表共同喜欢的东西越多了。

不过还有这种情况,张三这个哥们儿爱好特别广,什么都听,曲库里面10000歌都被他听光了,而李四呢,只喜欢曲库里面的民谣,听了1000首.因为民谣也是总曲库里面的,所以他俩的听歌历史交集数量是1000,这样算下来共同喜欢的东西也很多,但是不能说张三李四就是一类人,因为一个拈花惹草、一个专情独一,只不过他俩都喜欢过一个女神,不能说张三喜欢的下一个女生李四也喜欢。所以同时还要计算这两个用户听歌集合的并集,看看这两个人总的听歌多不多,拿这个当做分母,交集数量当作分子,最后得出来一个分数,这个分数才能最终看出来俩个人是不是真的就兴趣相投。

你到底是不是我的朋友

科学的总结一下,音乐推荐就是在大量数据基础上,利用统计学的方法,根据所听歌曲的相似程度,找出相似用户,从而在相似用户之间进行推荐。学名叫“基于用户的协同过滤方法”。当然这些都是机器自动完成的过程,于是这人工智能便是帮你听曲儿了。


最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,445评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,889评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,047评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,760评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,745评论 5 367
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,638评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,011评论 3 398
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,669评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,923评论 1 299
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,655评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,740评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,406评论 4 320
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,995评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,961评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,197评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,023评论 2 350
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,483评论 2 342

推荐阅读更多精彩内容