MusicZed Magazine
سیستمهای پیشنهاددهنده چطور کار میکنند؟ از پلیلیست شخصی تا فید خانه
وقتی به صفحهی خانهی یک اپلیکیشن موسیقی میروید و آهنگهایی مناسب سلیقهتان میبینید، یک سیستم پیشنهاددهنده کار کرده است. اما این سیستم دقیقاً چطور فکر میکند؟
ایدهی اول: شباهت محتوا
سیستم ویژگیهای آهنگهایی که دوست داشتهاید را بررسی میکند: ژانر، ریتم، ساز، حالوهوا. سپس آهنگهایی با ویژگی مشابه پیشنهاد میدهد. اگر لوفی زیاد گوش میدهید، لوفیهای بیشتری میبینید.
ایدهی دوم: شباهت کاربران
سیستم افرادی را پیدا میکند که سلیقهای شبیه شما دارند. آهنگهایی که آنها دوست داشتهاند و شما هنوز نشنیدهاید، پیشنهاد میشود. به این روش «فیلترینگ مشارکتی» میگویند.
ترکیب روشها
پلتفرمهای امروزی معمولاً هر دو ایده را همراه با سیگنالهای دیگر مثل زمان روز، دستگاه و شنیدههای اخیر بهکار میگیرند.
سیگنالها
- آهنگهایی که تا آخر شنیدهاید
- آهنگهایی که رد کردهاید
- لایک، ذخیره و اشتراکگذاری
- جستوجوها و پلیلیستها
مسئلهی حباب
اگر فقط چیزهای مشابه پیشنهاد شود، تنوع کم میشود. برای همین سیستمها بخشی از پیشنهادها را به کشف اختصاص میدهند.
مسئلهی شروع سرد
برای کاربر یا آهنگ جدید دادهی کافی نیست. سیستم به دادههای عمومی یا ویژگیهای محتوا تکیه میکند تا داده جمع شود.
چه کنیم که پیشنهادها بهتر شوند؟
- با محتوا واقعاً تعامل کنید؛ لایک و ذخیرهی آگاهانه.
- آهنگهای نامناسب را رد کنید.
- گاهی سراغ جستوجوی دستی و کشف بروید.
حریم خصوصی
پلتفرمها برای پیشنهاد دقیقتر داده جمع میکنند. سیاست حریم خصوصی را بخوانید و تنظیمات را طبق ترجیح خودتان تغییر دهید.
نتیجه
سیستم پیشنهاد ابزار خوبی است، اما شنیدن آگاهانه و کنجکاوی خودتان بهترین راه برای کشف موسیقی جدید است.