1樓：大超人
聽了快兩萬首，紅心大約三百。感覺推薦的歌還是很不錯的，很多沒聽過的歌。而且乙個風格的不想聽，切兩首就到了另外乙個風格。紅心歌我也已經匯入網易雲，總是推薦我聽過的歌。
2樓：Mark哥
作為乙個既喜歡聽《江南style》又喜歡聽bob dylan的死宅，我不認為能有一種演算法能算出我喜歡聽什麼歌。儘管我已經買了豆瓣FM PRO，但我不是衝它的演算法來買單的，而是相比QQ，蝦公尺什麼的更方便，功能更單一。（就聽歌）
3樓：王浪
我在想，歌曲之間的相似度怎麼確定（感覺比文字的相似度難確定）？並且，乙個人也不是只喜歡乙個風格的歌曲，那推薦中item的相似度如何確定呢？
4樓：倚小丁
我覺得要有乙個AI演算法，通過不斷的記錄使用者行為習慣，考量使用者的喜好特點，做出評級，而對系統的歌曲也做出評級。或者，對使用者和歌曲弄乙個tag，選擇相似性最大的吧。
5樓：阿穩
豆瓣FM的推薦演算法沒有停止，反而是在不斷演進當中，伴隨著它成長的使用者，會慢慢發現越來越多的驚喜與滿意。豆瓣FM是中國網際網路實踐個性化服務的乙個很好的土壤，其中糅合了包括演算法、UI/UE、資料清洗與整合、音訊分析技術、使用者行為分析、編輯與運營、後台架構等等大量的因素，即便是推薦演算法也只是演算法技術中的一部分。單論推薦演算法，就最簡單的演算法，也會極大地受到其它因素的影響，比如單曲推薦功能、新版的上線，對於演算法的學習與積累都會起到極大的正面作用。
豆瓣的電台演算法會充分考慮資料的因素、人工的因素，借用UI/UE的力量，充分利用現有的各種智慧型技術，它是乙個系統。
乙個個性化產品跟傳統的排行榜形式的推薦不一樣的其中乙個難點在於質量的覆蓋面，它可以做到統計上逐漸逼近於讓所有人滿意的程度，但絕不是乙個一蹴而就的工作，所以肯定還有大量不能令人滿意的地方，但每天它都在向著更好的方向走。
6樓：微子
電台一直在演進開發中.
在網上搜一下常見資料探勘和推薦的方法, 如聚類, 協同過濾等, 可窺一斑. 只是電台整合的推薦方法比較多.
在蜻蜓fm工作是怎樣的體驗？
還沒有入職蜻蜓，但是！蜻蜓hr給我的感覺太糟糕了，非常不專業。1.我和hr溝通完薪水待遇之後，因為三方在我這，hr說要收到三方再給我申請offer。談完之後，不主動發寄件位址等資訊，還要我催著問?2.在hr收到三方後，我問hr什麼時候能收到offer，她說這週。3.過了三天以後，我問hr能發了嗎？這...
電梯演算法是怎樣的？
MiltonLai 單梯梯內排程 多梯的情況,根據輸入得到各梯的新佇列,根據以下優先順序選出響應電梯1 無變更的.選取當前樓層離得最近的那個2 在現有停靠節點中增加新停靠節點的.這種情況有兩種挑選方式 平均等待時間最短,選新節點離當前樓層最近的那個 平均任務時間最短,選佇列短的那個 樓層高的需要距離...
豆瓣 果殼 點點是怎樣解決冷啟動的問題的？運營乙個剛出生的產品，應該怎麼做？
唐興通 時間是場景維度中關鍵的乙個點。時間即時機，錯失後將無法逆轉。從影響人群的角度又可以分為 1種子使用者.群體時間維度 2.種子使用者個體時間維度。從場景構成要素來看，時間又和需求 地點變化 情緒變化等融合，不可簡單拆分，更增加抓住時間場景的難度。Uber和Airbnb的使用者發展策略選擇得十分...