上一篇文章从概念层面上介绍了协同过滤的基本原理。协同过滤在目前一些主流社会化音乐服务的推荐音乐上有着极高的地位。协同过滤一般情况下分为基于用户和基于项目。其中以用户为基础的协同过滤主要通过一定算法找出和某个用户偏好匹配的更多内容，而基于项目的协同过滤主要是要找出针对某一项目找出与其匹配的其它项目。

举一个非常熟悉的例子：在豆瓣网首页中用户看到的“今日推荐的书、影、音……”就是一种典型的基于用户的协同过滤，因为豆瓣网协同过滤算法给出的这些推荐内容是为用户量身定做且独一无二的，其参考了用户自身在豆瓣网上的行为及其好友的行为；而在豆瓣网中某一条目（比如一张专辑）的页面中用户看到的“喜欢听"这张唱片"的人也喜欢 ……”就是种典型的基于项目的协同过滤，它根据用户在豆瓣网上给这些内容的打分和与其它内容的关联算出与这张专辑相似的专辑并列出来。

协同过滤在社会化音乐中得到了非常普遍的应用，下面将以Last.fm和Spotify为例，在推荐表现上他们分别通过网页和客户端来呈现推荐结果。

Last.fm中基于用户的协同过滤实例

Last.fm作为一个非常典型的网络电台，它的过滤机制也主要用在电台服务上。

在Last.fm个性化的电台中通过诸如以上四个这样的电台来为用户推荐更多与用户口味相匹配的音乐。

在Last.fm首页上看到的如上界面就是一基于用户的协同过滤非常典型的应用。 

而Last.fm为用户推荐不仅仅局限于音乐，还包括免费的MP3下载，音乐视频和一些发生在用户周围的活动。

Last.fm的榜单在整个系统中得到了非常广泛的应用，它不仅要影响那些对用户的推荐曲目，本身也是一种协同过滤的TOP N形式。Last.fm将用户所有听过的音乐进行排序，找出用户听得最多的音乐（一般情况下也默许是用户非常喜欢的）。

Last.fm还会根据相似的音乐偏好为用户推荐其它Last.fm用户（在Last.fm里叫做邻居），方便用户知道他们邻居正在听的音乐是什么，在前面那篇文章已经提到过，你邻居喜欢的音乐会不会也是你喜欢的呢？

在完成所有推荐之前，Last.fm需要对用户的音乐偏好进行信息采集，Last.fm主要通过像上面这样的“记录用户的收听历史”来采集用户兴趣的信息。然后就可以结合其它同类的信息完成推荐了。

Spotify中基于用户的协同过滤实例

Spotify并不会像Last.fm那样会永久地保存用户的音乐收听历史，就更不用说为用户建立音乐数据库了，它在客户端首页上的推荐一般是基于用户最近收听的音乐，所以我们很容易发现Spotify的推荐清单很容易随着我们收听音乐的变化而变化。

而Spotify的Top Lists则和Last.fm中的流行榜单类似，将所有Spotify用户的收听音乐记录进行排序。最终实现一个Spotify的流行榜单。比较特殊的是Spotify还可以排出不同国家的Spotify流行榜单。

而Spotify也同Last.fm类似通过记录用户最近收听的音乐历史推算出用户可能感兴趣的音乐。

有意思的是Spotify也支持通过Audioscrobbler将Spotify上播放的音乐历史提交给用户的Last.fm账户，这样在Spotify上的大量音乐记录也可以帮助Last.fm采集的用户信息更加完整。

讨论：您认为这类根据你的喜好和你“邻居”的喜好通过算法来推荐的音乐是不是比较适合你，还是根本推荐不出适合你口味的音乐来？

• 协同过滤在社会化音乐网站中的应用(3): 用户的重要性
• 没有Last.fm的日子地球照样转
• 协同过滤在社会化音乐网站中的应用：开篇

分类: 数字音乐
标签: 协同过滤, 社会化音乐
© 个篱 for 个篱遐想录, 2009. | 本文链接 | 一条评论 | RSS订阅

打印  |  相关话题：音乐功能和音乐网站   |  类别：产品市场  |  源地址