音乐云

当初16.04就安装网易云挺麻烦的，但是还算比较稳定，如今的新版本18.04，可能是因为升级了，与旧版本的网易云差距越来越大了 算了，直接上干货吧！！！我的运行方法也挺麻烦的，但是凑活用吧，毕竟网易云还是很重要的！ 直接在网易云上下载安装网易云这么简单的事就不说了 双击打不开时， 缺libcanberra-gtk-module 那么安装之:sudo aptitude install libcanberra-gtk-module 打开终端，输入 su 获取 root 权限 然后输入 nano /usr/share/applications/netease-cloud-music.desktop 找到 exec 那一行 ，在 %U 前面加上 --no-sandbox ，按 Ctrl+X 保存 然后重启就该行了。如果再不行，照这个图片改成完全一样的 重启 这些都是看的别人的，重启之后发现时好时坏，当然了，还是坏的时候多 我的也是这些设置，没问题。 每次开机后在终端获取root权限 输入 netease-cloud-music 这就打开网易云了，但是不能关闭终端，这就很闹心了 在这时，随便修改网易云能提示重启网易云设置的设置 重启网易云之后，就能和以前一样正常使用了，但是退出网易云之后，又要重新在终端输入了，这不是Ubuntu的bug就是网易云的。 希望网易云更新一个版本吧！！！ 来源：

由于刚刚安装了网易云音乐所以对于遇到的问题进行啦相应的解决主要是依赖关系问题的配置问题 网易云音乐下载地址 http: //music .163 .com / #/download 进入以后选择相应的版本下载 进入下载目录然后在终端打开： 查看相应的列表： elijah @Elijah - Th :~ $ cd ~ /下载/ elijah @Elijah - Th :~/ 下载 $ ls 执行以下命令进行安装 elijah @Elijah - Th :~/ 下载 $ sudo dpkg -i netease-cloud-music_1. 0 . 0_ amd64_ubuntu16. 04 .deb 我尝试了网上的好多的方法 基本上都没有办法解决依赖问题，所以我决定换源试试换成了现在的阿里源（地址： http://blog.csdn.net/u011557212/article/details/53233944 ） 所有的问题都解决了！！ 结果还是这样子的 不要怕 现在世可以解决的： #重新配置一下依赖 sudo apt-get -f install 此时左右的问题都解决啦 现在重新安装 sudo dpkg -i netease -cloud -music_1 .0 .0 _amd64_ubuntu16 .04 . deb #启动命令 elijah @Elijah - Th :~/

笔者最近面试到了网易新闻推荐部门，考了一点推荐系统的知识，算是被虐惨了。于是乎自己怒补了一些知识。记录一点关于推荐系统的知识和实现。 音乐推荐系统，这里的简单指的是数据量级才2万条，之后会详细解释。 1. 推荐系统工程师人才成长RoadMap 2. 1. 数据的获取 任何的机器学习算法解决问题，首先就是要考虑的是数据，数据从何而来？ 对于网易云音乐这样的企业而言，用户的收藏和播放数据是可以直接获得的，我们找一个取巧的方式，包含用户音乐兴趣信息，同时又可以获取的数据是什么？ 对的，是热门歌单信息，以及歌单内歌曲的详细信息。 3. 数据爬虫脚本 代码说明： 1. 网易云音乐网络爬虫由于加了数据包传动态参数的反爬措施。拿到歌单数据包的难度很大。一大神破解了传参动态密码，代码中AES算法。 2. 但是不知道为什么这个python2.7版下脚本只能爬取每个歌单里面的10首歌，由于这个原因，导致我们的推荐系统原始数据量级骤然降低。笔者试了很久，也没有办法。望大家给点建议。不管怎样，数据量小，那咱们就简单实现就好。 3. 一共1921个歌单（json文件），每个歌单里面包含10首歌，所以咱们后面建模的数据量实际只有2W左右的实例。 # -*- coding:utf-8 -*- """ 爬虫爬取网易云音乐歌单的数据包保存成json文件 python2.7环境 """ import requests

网易云音乐参数加密算法 通常我们再写自己的音乐播放器的时候，都会在网上找一些比较主流的音乐播放器api，例如QQ音乐、网易云音乐、百度音乐等等，而在使用网易云音乐api的时候，由于他的参数时需要加密无法直接使用的，所以我们必须要知道他是怎么进行加密的，这篇文章就是对参数进行加密的java代码。* import javax . crypto . Cipher ; import javax . crypto . spec . IvParameterSpec ; import javax . crypto . spec . SecretKeySpec ; import java . math . BigInteger ; import java . util . Arrays ; import java . util . Collections ; import java . util . HashMap ; import java . util . List ; import org . apache . commons . codec . binary . Base64 ; import org . apache . commons . lang . StringUtils ; /** * 网易云音乐参数加密算法 */ public class JavaEncrypt {

​本文选自网易云音乐推荐算法负责人-肖强前辈在全球人工智能峰会上的分享，主要介绍了三方面：关于网易云音乐，AI算法在音乐推荐中的应用和AI场景下的音乐思考。这里拿来分享给大家，并加上自己的理解，希望对大家有所帮助。 首先说明我是网易云音乐的深度用户，目前级别LV9，每天都会去听日推。喜欢网易云音乐的原因不仅是友好的用户交互设计，而且还是因为在网易云音乐中能看到一个个陌生的故事。虽不知这些故事是真是假，但总会找到一些共鸣，在这里像是一个心灵的寄托一样。我相信大多数人和我一样，喜欢在敲代码的时候戴上耳机，来一个燥一点的音乐，所有的事情与我无关，我只想专心写代码，哈哈，开篇小小的题外话，下面进入正题。 关于本文的PDF，可关注公号 合作=>私信 获取小编微信 ，私聊获取！ 本文将从三个方面介绍AI算法在网易云音乐推荐中的应用： 关于网易云音乐 AI算法在音乐推荐中的应用 音乐场景下的AI思考 关于网易云音乐 关于网易云音乐的介绍就不用多说了，相信大家都知道这个产品。但是这个产品里边也有很多其他的业务，如下这些。当然推荐也会在各个业务线进行应用，最大化的提高用户体验。 AI算法在音乐推荐中的应用 除了上图中介绍的三个场景以外，推荐在云音乐还有其他很多的应用，比如推荐的MV/视频，推荐的电台，推荐的Look直播等。 几乎所有的推荐系统或者业务系统的分析和底层数据支持都离不开用户的行为日志

大数据文摘作品 作者：Ramzi Karam 编译： Chloe 朝夕 修竹 Aileen 上个周被网易云音乐的听歌报告刷屏，文摘菌这才发现，朋友圈不乏年度听歌成千上万的音乐重度患者。这群人可能中的不是音乐的毒，而是这套个性化音乐推荐算法真的太懂你。 这也又引起了一波对推荐算法的讨论。本文作者发现了一个有7亿多条歌曲的数据集，利用 Word2vec， 用这个训练集来训练机器学习模型， 优化我们的音乐推荐结果。 中东和北非地区最大的音乐流媒体平台Anghami每个月产生7亿多条歌曲数据流。这也意味着所有这些流媒体产生的大量数据对我们来讲是一个宝贵的训练集，我们可以用这个训练集来训练机器学习模型使其更好地理解用户品味， 并优化我们的音乐推荐结果。 在本文中，我们将介绍 一个从大量流数据中提取歌曲嵌入信息的神经网络方法 ，以及如何用这一模型生成相关推荐。 每个点代表一首歌曲。点间距离越近，歌曲越相似 什么是推荐系统？ 推荐系统分为两大类： 基于内容的推荐系统： 着眼于需要推荐物品的属性。对音乐来说，属性包括歌曲流派、每分钟节拍数等等。 协同过滤系统： 依据用户历史数据来推荐其他相似用户曾经接触过的物品。这类系统不关注内容本身的属性，而是基于有很多共同喜爱的歌曲和艺术家的人们通常喜欢相同风格的音乐这一原则进行推荐的。 当有足够多数据支撑时，协同过滤系统在推荐相关物品方面效果非常好

网易云音乐核心功能是其推荐算法，据观察，日推主要采用itemCF方法。网易云音乐根据每日获取到的听歌列表，优先推荐跟该歌曲相似的歌曲。如今，网易云音乐着重社交功能，因此，本文尝试构建基于用户的推荐系统。 摘要： 本文思路是根据用户 所有时间 听歌排行计算相似度，推荐用户 最近一周 听歌次数大于2次的歌曲。采用jaccard距离和向量余弦计算相似度。本文目录为数据集获取、数据预处理、数据分析、算法实现和结果输出 一、数据集获取 分析网易云音乐听歌排行页面发现最近一周数据和所有时间数据是动态加载，因此使用requests+beautifulsoup很难获得完整的数据。 进一步分析网页源代码，点击network，选择XHR，重新加载网页，我们在最后一个文件中找到我们要的数据，下图的preview为json文件，点击headers可以看到，浏览器是使用post方法请求json数据，因此我们的爬虫也使用post方法 上代码 import json from urllib import request, parse headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36' }

本篇文章我们从网易云音乐的推荐功能出发，结合我的实习工作，聊一聊互联网的常用推荐策略。 首先来回顾一下云音乐的推荐功能。 网易云音乐推荐 音乐推荐是创始人丁磊先生愿景最直接的体现，也是网易云音乐的主推功能和核心竞争力所在，备受用户推崇。 推荐算法简单说就是在海量的用户数据（行为记录等）中对用户进行划分，对同一群体的用户推荐其他用户喜欢的音乐。 这其中需要给音乐分类并建立评分细则、建立用户模型、寻找相似用户，基于用户的行为数据将歌曲分类匹配——实现“盲听”。 网易云将音乐推荐分成三个部分：私人FM、每日歌曲推荐、推荐歌单。 1. 从准确性、多样性角度分析 私人FM 准确性低、多样性高 多样性高能为用户带来新鲜感，如果发现了一首从未听过但特别喜欢的歌，会带来惊喜感，调动用户正面情绪。 可是由于准确性低，很可能新歌很不被用户喜欢，所以在私人FM在播放界面设置“删除”、“下一首”两个按键便于用户切换歌曲。 每日歌曲推荐 准确性高、多样性低 准确性高使得每日推荐的20首歌曲比较好的满足用户口味，但是存在音乐类型单一化的问题，因此设置了播放列表以提供用户浏览、操作的权利，弥补曲目单一化带给用户的失望。 推荐歌单 准确性中、多样性中 推荐歌单有别于其他两个个性化推荐功能，它准确性多样性的阈值不只是由算法决定的，更多的是它功能形式所决定的。 首先把功能的面向对象分为两类，一类是用户

　　我的工程实践选题暂定基于机器学习的评论分析（影视、音乐）。 　　实际上这类技术的应用可能更多的是给软件运营方、电商从业者作为一个运营的辅助手段，可以汇总大量的评论进行分析，然后以一种简单直观的方式将结果展现出来。或者说是根据评论猜测使用者的好恶，以此为根据结合视频、音乐标签给使用者推荐合适的视频和音乐，从而生成个性化的名片。 　　鉴于以上分析，市面上的此类软件大概有虎牙、网易云音乐、bilibili等等。虎牙的评论搜集功能大概率是给主播作为参考，作为直播内容调整的一个辅助。而网易云音乐、bilibili则是根据个人评论来推荐内容。 　　这三款软件各有各的特点，但是都不是收费软件，仅仅是方便用户，达到更好的使用体验。毕竟只有用户体量大了，才能够攫取更多的利益。我还记得很早的QQ音乐，那时候是没有所谓的个性推荐的，仅有的是音乐排行榜。即使现在的音乐软件推荐系统不是特别准确，但是在多方特征共同猜测的情况下，已经比以前好很多了，每个人都会有自己的个性歌单。 　　将这三款软件放在一起看，它们都拥有大量用户群体，有大量评论数据，而且都是内容运营方。对于同类竞争对手，由于内容的日益同质化，如果不能在内容中独树一帜，那么合适的推荐系统将是提升竞争力的一个很重要的手段，可以在浩如烟海的内容中精确地给用户呈现最为合适的内容，这其中就要有大量的反馈，评论则是反馈的一种

网易云音乐是一款专注于发现与分享的音乐产品，依托专业音乐人、DJ、好友推荐及社交功能，为用户打造全新的音乐生活。该产品2013年4月23日正式发布，截止2017年04月，产品已经包括iPhone、Android、Web、PC、iPad、WP8、Mac、Win10UWP、Linux九大平台客户端。2013年，入局音乐红海的网易云音乐，在版权争夺战初期一度处于劣势，因此在社交生态中一路加速。以歌单作为产品架构，将歌曲榜单编辑权交给用户，给用户提供了更多发现音乐的方式。同时，网易云音乐也通过乐评功能，逐渐改变了用户的听歌习惯，据了解，在网易云音乐上，有50%的人边听歌边看评论。2016年11月，网易云音乐以2亿元资金启动了扶持独立音乐的“石头计划”，到2017年底，有超过5万的独立音乐人入驻网易云音乐平台，上传原创作品超过100万首。2017年11月，总用户数突破4亿。根据网易云音乐官方提供的数据，目前产品中累计有明星用户448位，音乐人996位，音乐达人1394位。根据移动大数据服务商QuestMobile发布的《2017年中国移动互联网年度报告》显示：在移动音乐行业中，网易云音乐30日留存率行业第一，达到35.6%（其他音乐APP普遍只有30%），并入选一线城市移动网民最爱TOP10 APP和二线城市移动网民最爱TOP10 APP第一。网易云音乐在宣发能力