案例：考拉FM的个性化数据挖掘和处理.pdfVIP

案例 ：考拉FM的个性化数据挖掘和处理 提起FM类A PP ，你都会想起哪些应用程序 ？ 自易观智库数据显示 ，2014年3月电台类应用月度活 跃人数最高的A PP仍是考拉FM。上线不到一年的考拉FM ，为何发展如此之猛 ？ 与其他移动端电台不同的是 ，考拉FM采用个性化推荐音频流的播放逻辑 ，在用户未进行主动选择的 情况下依旧能够收听到心仪的节目。移动音频娱乐与大数据挖掘的结合会是怎样的爆发 ？几天前 ， 在中国电子学会主办的“云计算大会”上 ，考拉FM的CT O崔义超发表主题演讲 ，阐述考拉FM的数据 挖掘和处理方法。小编在听完崔义超的发言后赶脚很有价值 ，为了让咱的粉丝们也能分享到这份 干货 ，小编放弃休息时间把速记文本整理成文。 大数据在数字娱乐行业应用 ，音频媒体特点分析 1、音频伴随性高于视频、文字内容 ： 崔义超 ：现在大家上网可以看图文、视频 ，为什么还要“听”呢 ？因为“听”有其独特性 ，其目的是满足 用户情感或资讯的需求 ，但最重要的一点 ：“听”是一种伴随状态 ，即在做重要事情时的伴随效应 ： 比如开车时不能看视频 ，工作学习时不能上网阅读文章 ，唯独音频是可以在这些情况下进行伴随和 消费的媒介。 2、 动互联网时代 ，音频将成为主流 崔义超 ：2000年前后 ，已经有先驱尝试在互联网上做音频内容 ，就是所谓的互联网电台 ，比如糖蒜 广播到现在已经做了十 年 ，有上百万的粉丝 ，但这些尝试一直没有形成网络媒介的主流。随着移 动互联网时代到 ，手机的普及 ，以及今年开始的车联网普及 ，使音频与移动互联网高度结合 ，声 音以一种新的形式重新呈现在大家面前 ，这就是我们现在做的考拉FM。另外还有电台汇总类A PP ，比如蜻蜓FM ，或点播听书类A PP等。 3、考拉FM是真正的 动电台——源源不断的音频流 崔义超 ：考拉FM是一个什么样的产品 ？我们把它叫做个性化的手机电台。这是什么含义 ？首先我们 是一个电台。传统电台大家可能都听过 ，电台的特性是一个源源不断的流 ，只要不手动停止 ，它就 一直播下去;另外具有声音不期而遇的特点 ，听众可以突然听到一段非常打动人心的声音 ，而不像 听CD。我们做的手机电台也想坚持这样的特点 ，给听众带 不期而遇的惊喜和触动。 考拉FM个性化大数据挖掘和处理 1、考拉FM定义的个性化 崔义超 ：什么是个性化 ？考拉FM将其定义为“每一个人听到的都是自己爱听的 ，或至少是我不讨 厌的。”这叫个性化。为什么在手机电台上需要个性化呢 ？音频的特性是伴随 ，试想一个场景 ：比如 在家里做家务、做饭 ，用户打开考拉FM丢到旁边 ，让它自动播放。这种状态下 ，如果你听到的不是 你想听的就需要操作 ，这就失去了伴随的意义 ，所以只有你听到是你爱听的才会实现伴随 ，丢到旁 边不用管。 2、音频个性化体验重在专业编排 ，仿照传统电台 崔义超 ：音频个性化推荐 ，不是考拉FM先提出 的 ，之前有很多先驱做这方面的事情。在互联网或 移动互联网之前 ，传统电台是怎么做的 ？经常听电台的人可能觉得传统电台做得很好 ，很直观的 感受 ，但为什么好听 ，怎么样做到好听 ？听众可能说不出 。其实这就是编排 ，即通过专家把节目 串成音频流 ，这是一个经验工种。比如一档节目播几分钟的音乐 ，插一个主持人的几句话 ，然后可 能插播一段广告 ，接着每个话题聊5分钟、7分钟……这些都是需要经验的。我们希望比照传统电台 听起 不累 ，可以一直听下去 ，达到伴随的效果。 进入互联网时代 ，每个人听到的内容不一样 ，不可能靠专家预先给每个人编排好节目。于是就需要 算法 ，美国的PA NDO RA和豆瓣FM都做了尝试。对考拉FM ，与其他音频A PP最大的不同即是我们 比照传统电台 ，通过独特的算法编排把声音串起 ，努力让音频流达到既让用户想听又好听的效果 ，这就是音频个性化推荐要做的事情。 3、分类、标签等辅助推荐 崔义超 ：在后台内容组织体系里 ，为了完成个性化推荐,传统视频网站都建立了媒资系统 ，比如上传 、发布、版权、编解码等 ，但在与个性化推荐有关的独特地方 ，就需要更精确的内容分类 ，这需要 有专家经验推荐 ，还有标签体系。像PA NDO RA ，从2004年开始把每首歌打了4 00多个不同维度的 标签。所以考拉FM要做到个性化推荐必须要有强大的标签体系 ，对不同维度进行管理 ，建立规则 体系。 4 、建立用户模型 崔义超 ：每个用户的用户行为非常多且复杂 ，对于考拉FM就有喜欢、不喜欢、跳过等等。我们了解 用户 ，可能要收集上传很多用户数据 ，比