豆瓣电台为何能简洁
1. 因为大多数用户不需要那么多的复杂的功能。
一个人的喜欢的歌曲风格随时间其实变不大。你这个月喜欢这种类型的歌，下个月喜欢的还差不多。甚至五年前喜欢的音乐类型和现在喜欢的也差不多。——这是豆瓣电台猜你喜欢模式能够成功的基本条件。
对于听音乐这一比较单纯的需求来说，我不需要那么多的功能——给我听喜欢的音乐就够了。今天，我听这个类型的歌，明天我还听这个类型的歌。因此，去掉大多数播放器那些80%用不上的复杂功能。退一步讲，即使要往里面加功能，也要循序渐进，等大多数用户学会了简单的操作后再说。
2. 简洁的另一个是，推荐算法确实有用。
神秘的算法
总的来说，我是不信任所谓兴趣识别算法的。因为这种算法不人道，它把一个人看一个可用数学函数描述其过去和预测其未来的机器。不过，也许我该承认，除了少数天才外，大部分人确实就像机器一样生活，他们的行为是可以用数学公式来精确描述的。
言归正传，以下摘录自互联网无处不在的“推荐算法” ：
事实上，“推荐算法”的“工作原理”算不上太复杂。以同样推荐音乐的Last.fm网站为例，假如你喜欢王菲，而与你同样喜欢王菲的朋友在听林忆莲，Last.fm就会把林忆莲放到你的播放列表上。Last.fm网站的负责人对于“推荐算法”推崇备至，“我们围绕音乐建立了一个庞大的社区，是这个社区帮助我们提炼‘推荐’。推荐的音乐是从2000多万人真实的收听习惯中提取出来的。所以，你播放音乐的次数越多，Last.fm上的用户越多，推荐结果就越准确。你能发现音乐与音乐之间往往有意想不到的关联，甚至无意间泄露你最近的心情。听说有人失恋了，心有不甘，就在Last.fm上看前恋人在听什么样的歌，猜测他们此时的心情。”
一、 哪些基本元素用来定位你的口味？
如果没有足够的听众数据，怎么办呢？我想，下面这几种基本参数应该是推荐算法的基本元素。
1. 音乐类型参数：如摇滚，民谣
2.年代：70年代，80,90
3. 相关歌手及类型：张学友，刘德华，黎明
4. 情绪：伤感，激烈
5. 性别：偏女性还是偏男性
……
二、如何处理矛盾的偏好
总的来说，我喜欢张学友更甚于刘德华，但碰巧，某个时间，我喜欢刘德华的某首歌，但不喜欢张学友的某首歌，算法如何处理？
喜好数据多了就会更精确吗？不一定，有可能更混乱。不同情绪下，我的偏好也不一样。这些偏好是矛盾的。例如低俗的时候，我听庞龙的歌，不满的时候会听崔健的歌。如何定位我的偏好。
算法能考虑我的情绪随时波动吗？
我不知道。
也许情绪变化不能完全交给算法来解决而要，让用户自己参与来解决。例如我选择了忧郁，那么给我推荐的是我喜欢的歌手唱的忧郁的歌。
相关文章:
