吐槽一下fm
几个疑惑：
1 是不是打红心这件事对于全局（指豆瓣fm所有频道，还有全部豆瓣里面可以给“音乐”相关内容打红心的地方）都有效
是不是在豆瓣里面所有地方给音乐相关的内容打了红心，都直接作用于电台的算法？
2 我打了红心，其实不标明我想听这首歌，很有可能是我觉得这首歌是很经典的，想收藏一下。
所以红心这个动作我觉得有2个动机：
1 收藏
2 标明兴趣取向
然而在不同的行为场景下，这两个动机是有明显区分的。
所以就会出现这样的问题：看到一首经典的歌，但明显不是现在想听的范围（比如这段时间就喜欢听台湾民谣），就纠结啊纠结~ 打不打红心呢？
打了，而且这样的行为多了，就影响推荐内容取向
不打，下次碰到这首歌是什么时候啊~ 而且会不会永远碰不到？ 可是明明我喜欢这首歌的呀~ 只是现在不想听而已。。。
3 垃圾桶和skip 同样有 2 中 提到的疑惑
4 其实我一直觉得豆瓣电台应该朝这个方向努力——不断给用户推荐当下喜欢的歌
因为我觉得一个人对音乐的喜好，其实是可以有个模糊的边际来描述的。但这个边际随时根据用户的生活场景变化以及心理因素和balabalabala~ 一堆问题所变化。
所以一定是有两个兴趣范围，或者三个：
（1 ）一个账号，全局的兴趣范围
（这里面其实可以再用不同的方法来切割，比如按照大粒度的音乐风格来分大圈，大圈里面再套小圈，各种粒度的风格分尽） 然后每次用户贡献数据的时候，这个机制迅速去作用，各种大圈和小圈的边界迅速调整
最终把这个账号的全局推荐在风格这个角度做一个加权（然后先放着）
然后其他因素，这首歌除了风格的其他tag 可以分别做不同角度的兴趣模型，比如：这首歌标了个标签叫“爱情、温暖”什么的，其实这样的标签基本废物，我觉得在豆瓣电台这样的产品里这样的标签颗粒越细越好。细到这个唱片的封皮是什么风格的。。。
然后再用上面说的方法来从另一角度来分割一个账号的兴趣范围。。。
（当然，我估计对于豆瓣电台这样复杂算法的产品来讲，我上面说的都是废话）
（2） 当前的兴趣范围
每天，每小时，甚至每分钟，每个人对音乐口味的需求，在不断不断的变化。
上班路上想听的歌和下班路上想听的歌绝对的不一样。
但是仔细观察会发现：今天下班路上想听的歌，绝对和昨天的不一样，
因为今天见到不同的人（现实中和网络上的），看到他们不同的言行，不同的广播分享，不同的微博吐槽。今天工作上遇到了小挫折、今天女朋友跟我说她因为吃到一顿可口的饭菜而激动到不行…
这些都是影响我心理因素的因子，那么今天当我走在下班路上的时候，可能打开豆瓣电台想听的就不是平时给我推荐的很多new age音乐，或者台湾电影的电影原声。而是想听听诸如 free loop 之类的“俗气而又快速”的歌。
好吧，牛x的问题来了——算法基本没法达到这个要求、用户输入的太少了、可用条件太有限…
好吧，这里说个小心思——也许如果从一开始豆瓣电台就是一个拿着算法的锤子，想往墙上钉钉子，但是并没有想造出个火箭的工匠。
但是好吧，你可以，你真的可以~ 你忘了钉钉子这件事就可以~
如果咬文的话，什么叫电台呢？就是你什么都不用干，然后一直听“内容”就可以的东西。（传统定义是播音员口播的…）
好吧，别这么陈腐… 忘了什么是“电台”吧，你们其实能做出一个对于主要用“耳朵”接收内容的智能工具。
这里其实就有太多做法，比如对life style的影响应该怎么做、基于音乐内容的社交怎么做、怎么猜“心思”等等
此处省略1万字，有愿意交流的再单独交流~
（3）对未来的兴趣范围预测
这里讨论就有点扯了。。。 以为twitter那么大的实时数据量，也没法说预测将要有哪些“趋势”这个粒度的事情发生。
所以我觉得先做好（2）说的东西比较靠谱
5 豆瓣电台已经很优秀了，真的，以上都不是批评，因为其实看好豆瓣这个团队，能做出更加优秀的事情。
所以，加油！
1 是不是打红心这件事对于全局（指豆瓣fm所有频道，还有全部豆瓣里面可以给“音乐”相关内容打红心的地方）都有效
是不是在豆瓣里面所有地方给音乐相关的内容打了红心，都直接作用于电台的算法？
2 我打了红心，其实不标明我想听这首歌，很有可能是我觉得这首歌是很经典的，想收藏一下。
所以红心这个动作我觉得有2个动机：
1 收藏
2 标明兴趣取向
然而在不同的行为场景下，这两个动机是有明显区分的。
所以就会出现这样的问题：看到一首经典的歌，但明显不是现在想听的范围（比如这段时间就喜欢听台湾民谣），就纠结啊纠结~ 打不打红心呢？
打了，而且这样的行为多了，就影响推荐内容取向
不打，下次碰到这首歌是什么时候啊~ 而且会不会永远碰不到？ 可是明明我喜欢这首歌的呀~ 只是现在不想听而已。。。
3 垃圾桶和skip 同样有 2 中 提到的疑惑
4 其实我一直觉得豆瓣电台应该朝这个方向努力——不断给用户推荐当下喜欢的歌
因为我觉得一个人对音乐的喜好，其实是可以有个模糊的边际来描述的。但这个边际随时根据用户的生活场景变化以及心理因素和balabalabala~ 一堆问题所变化。
所以一定是有两个兴趣范围，或者三个：
（1 ）一个账号，全局的兴趣范围
（这里面其实可以再用不同的方法来切割，比如按照大粒度的音乐风格来分大圈，大圈里面再套小圈，各种粒度的风格分尽） 然后每次用户贡献数据的时候，这个机制迅速去作用，各种大圈和小圈的边界迅速调整
最终把这个账号的全局推荐在风格这个角度做一个加权（然后先放着）
然后其他因素，这首歌除了风格的其他tag 可以分别做不同角度的兴趣模型，比如：这首歌标了个标签叫“爱情、温暖”什么的，其实这样的标签基本废物，我觉得在豆瓣电台这样的产品里这样的标签颗粒越细越好。细到这个唱片的封皮是什么风格的。。。
然后再用上面说的方法来从另一角度来分割一个账号的兴趣范围。。。
（当然，我估计对于豆瓣电台这样复杂算法的产品来讲，我上面说的都是废话）
（2） 当前的兴趣范围
每天，每小时，甚至每分钟，每个人对音乐口味的需求，在不断不断的变化。
上班路上想听的歌和下班路上想听的歌绝对的不一样。
但是仔细观察会发现：今天下班路上想听的歌，绝对和昨天的不一样，
因为今天见到不同的人（现实中和网络上的），看到他们不同的言行，不同的广播分享，不同的微博吐槽。今天工作上遇到了小挫折、今天女朋友跟我说她因为吃到一顿可口的饭菜而激动到不行…
这些都是影响我心理因素的因子，那么今天当我走在下班路上的时候，可能打开豆瓣电台想听的就不是平时给我推荐的很多new age音乐，或者台湾电影的电影原声。而是想听听诸如 free loop 之类的“俗气而又快速”的歌。
好吧，牛x的问题来了——算法基本没法达到这个要求、用户输入的太少了、可用条件太有限…
好吧，这里说个小心思——也许如果从一开始豆瓣电台就是一个拿着算法的锤子，想往墙上钉钉子，但是并没有想造出个火箭的工匠。
但是好吧，你可以，你真的可以~ 你忘了钉钉子这件事就可以~
如果咬文的话，什么叫电台呢？就是你什么都不用干，然后一直听“内容”就可以的东西。（传统定义是播音员口播的…）
好吧，别这么陈腐… 忘了什么是“电台”吧，你们其实能做出一个对于主要用“耳朵”接收内容的智能工具。
这里其实就有太多做法，比如对life style的影响应该怎么做、基于音乐内容的社交怎么做、怎么猜“心思”等等
此处省略1万字，有愿意交流的再单独交流~
（3）对未来的兴趣范围预测
这里讨论就有点扯了。。。 以为twitter那么大的实时数据量，也没法说预测将要有哪些“趋势”这个粒度的事情发生。
所以我觉得先做好（2）说的东西比较靠谱
5 豆瓣电台已经很优秀了，真的，以上都不是批评，因为其实看好豆瓣这个团队，能做出更加优秀的事情。
所以，加油！
