Spotify推荐引擎Discover Weekly的故事
- - SolidotSpotify的软件工程师Edward Newett说，赋权自下而上的创新，奇迹将会发生. 他在上周举行的@Scale 会议上分享了开发Discover Weekly推荐引擎的故事. Discover Weekly设计帮助用户发现他们从未听过的新音乐，于一年前上线，至今已积累了4000多万的用户. Newett最初的工作是开发个性化网页，其中包含了向用户推荐他们可能感兴趣的专辑的系统.
Spotify推荐引擎Discover Weekly的故事
标签：
spotify
推荐引擎
discover
| 发表时间：2016-09-07 20:31 | 作者：pigsrollaroundinthem
出处：http://www.solidot.org
Spotify的软件工程师Edward Newett说，赋权自下而上的创新，奇迹将会发生。他在上周举行的@Scale 会议上分享了开发Discover Weekly推荐引擎的故事。Discover Weekly设计帮助用户发现他们从未听过的新音乐，于一年前上线，至今已积累了4000多万的用户。Newett最初的工作是开发个性化网页，其中包含了向用户推荐他们可能感兴趣的专辑的系统。但这个推荐功能没什么人用。他推测原因可能是过于繁琐，认为可以找到更好的方法。2014年他和同事开发了Discover Weekly的原型，设计根据用户的音乐品味个性化新音乐播放列表。
相关 [spotify 推荐引擎 discover] 推荐：
大数据-推荐引擎
- - 人月神话的BLOG推荐引擎在当前电商平台用的相当多，本文简单理解下常见的几张推荐方式. 首先说明下大数据用户画像可以用于针对性营销和单品推荐，但是即使没做用户画像也可以进行商品推荐. 推荐引擎是不是为不同的用户推荐不同的数据根据这个指标，推荐引擎可以分为基于大众行为的推荐引擎和个性化推荐引擎. 大众行为的推荐引擎，对每个用户都给出同样的推荐，这些推荐可以是静态的由系统管理员人工设定的，或者基于系统所有用户的反馈统计计算出的当下比较流行的物品.
Playlist 和 App，Spotify 改变了什么？
- - 爱范儿 · Beats of Bits作为一名国内用户，我首先想到的云音乐服务是 虾米. 事实上，在经历了 Last.FM 的缓慢载入速度，诸多播放限制和 Pandora 的拒绝国内用户访问后，我就开始投身于这个国内云音乐服务. 从 2009年7月开始我养成了在浏览器里听歌的习惯，我最喜欢的收听方式去拜访各种不同的 精选集 （以某个特定主题展开的音乐拼盘）.
Spotify 将征战网页播放市场
- - 爱范儿 · Beats of Bits作为一款在线音乐电台，Spotify 在知识产权受法律严格保护的欧美国家非常受欢迎. Spotify 自 2008 年推向市场，2010 得到 Sean Park 投资，2011 年与 Facebook 进行整合，今年它又将目光投向了网页播放市场. Spotify 的经营模式很有自己的特色. 作为音乐电台，Spotify 得到了华纳音乐、索尼、百代等全球几大唱片公司的支持，其所提供的音乐都是正版的.
初识推荐机制、推荐引擎
- 山河之外 - 互联网的那点事...随着互联网的发展 估计大多数的产品都会遇到推荐机制的策划，作为互联网产品人员也需要研究一下推荐机制的核心算法，这篇文章是我看到的言简意赅讲了一些基础的推荐机制的文章，转过来分享给大家. 如今已经进入了一个数据爆炸的时代，随着 Web 2.0 的发展， Web 已经变成数据分享的平台，那么，如何让人们在海量的数据中想要找到他们需要的信息将变得越来越难.
从Web 2.0到推荐引擎2.0
- Race forward! - 学而时嘻之(《新知客》，2010年9月). 互联网应用的新概念似乎总是层出不穷，然而相对于2005年前后中国一下子冒出来的一大批 web 2.0 网站和最近几年出现的“云计算”，此时此刻的互联网业界似乎有点沉闷. 人们开始谈论，互联网下一个有趣的事情是什么. 百姓网 CEO 王建硕，最近在《中国企业家》杂志发表文章《2011年注定是中国互联网第三春》，提出一个五年周期理论，认为每隔五年左右就会有一批人出来创业，就会有一批风险投资周转完毕转而支持新的项目，这样经过这两年的沉闷，2011年必将有新东西爆发.
协同过滤和推荐引擎
- - 刘思喆@贝吉塔行星推荐系统在个性化领域有着广泛的应用，从技术上讲涉及概率、抽样、最优化、机器学习、数据挖掘、搜索引擎、自然语言处理等多个领域. 东西太多，我也不准备写连载，今天仅从基本算法这个很小的切入点来聊聊推荐引擎的原理. 推荐引擎（系统）从不同的角度看有不同的划分，比如：. 按照数据的分类：协同过滤、内容过滤、社会化过滤.
推荐引擎：信息逆流
- - 《商业价值》杂志信息时代用户链接内容的方式将再次产生深刻变化，而这一变化的驱动者，正是推荐引擎技术. 如果回到20世纪80年代，面对一台当时的电脑，你很可能会不知所措. 原因很简单，当时要访问电脑内的内容——不管是软件或者游戏，你起码必须掌握基本的Dos命令. 换句话说，当时用户与内容链接的方式，是输入大量电脑“听得懂”的命令，再让电脑将其执行出来.
探索推荐引擎内部的秘密：推荐引擎初探
- adow - 互联网的那点事...“探索推荐引擎内部的秘密”系列将带领读者从浅入深的学习探索推荐引擎的机制，实现方法，其中还涉及一些基本的优化方法，例如聚类和分类的应用. 同时在理论讲解的基础上，还会结合 Apache Mahout 介绍如何在大规模数据上实现各种推荐策略，进行策略优化，构建高效的推荐引擎的方法. 本文作为这个系列的第一篇文章，将深入介绍推荐引擎的工作原理，和其中涉及的各种推荐机制，以及它们各自的优缺点和适用场景，帮助用户清楚的了解和快速构建适合自己的推荐引擎.
探索推荐引擎内部的秘密: 第 1 部分：推荐引擎初探
- JingSQ - IBM developerWorks 中国 : 文档库随着 Web 技术的发展，使得内容的创建和分享变得越来越容易. 每天都有大量的图片、博客、视频发布到网上. 信息的极度爆炸使得人们找到他们需要的信息将变得越来越难. 传统的搜索技术是一个相对简单的帮助人们找到信息的工具，也广泛的被人们所使用，但搜索引擎并不能完全满足用户对信息发现的需求，原因一是用户很难用恰当的关键词描述自己的需求，二是基于关键词的信息检索在很多情况下是不够的.