Gregory's Server
@iron_bug @a1ba @cyberspook @mrx Поэтому лайки должны быть не глобальные, а связанные друг с другом.
Т.е. Вася лайкнул А и Б, Петя лайкнул Б и В - и на основании Б им предложат А и В.
И самое главное - бан должен работать. Дислайкнул - не предлагают больше эту песню. Дислайкнул десять раз песни одного исполнителя - перестали предлагать его вообще.
У Гугл Музыки с этим были проблемы, я там сколько Лепса с Кругом ни дислайкал - всё равно любое радио через час-другой приходило к ним, причём и на те песни, где был палец вниз :)
Т.е. Вася лайкнул А и Б, Петя лайкнул Б и В - и на основании Б им предложат А и В.
И самое главное - бан должен работать. Дислайкнул - не предлагают больше эту песню. Дислайкнул десять раз песни одного исполнителя - перестали предлагать его вообще.
У Гугл Музыки с этим были проблемы, я там сколько Лепса с Кругом ни дислайкал - всё равно любое радио через час-другой приходило к ним, причём и на те песни, где был палец вниз :)
> Вася лайкнул А и Б, Петя лайкнул Б и В - и на основании Б им предложат А и В.
Упрощенно, именно так. На практике же, песен не три, а многомерный тензор. Слушателей тоже много, и каждый со своими вкусами. Но если присмотреться поближе, то по каким-то измерениям всех предпочтений, слушатели сбиваются в кластеры, у которых много общего. Теперь, если все эти тензоры перемножить, через определенные коэффициенты, то с определенной степенью вероятности можно предсказать, какая песня кому понравится следующим треком. Остается только подобрать эти коэффициенты. А это и есть машинное обучения. Все просто, и не надо никаких алгоритмов на сиплюсплюсе городить.
@a1ba @iron_bug @cyberspook
> Вася лайкнул А и Б, Петя лайкнул Б и В - и на основании Б им предложат А и В.
Упрощенно, именно так. На практике же, песен не три, а многомерный тензор. Слушателей тоже много, и каждый со своими вкусами. Но если присмотреться поближе, то по каким-то измерениям всех предпочтений, слушатели сбиваются в кластеры, у которых много общего. Теперь,...