普发真空助力CMS半导体应用
06-06
下班后，你再次走进熟悉的地铁站。
听着你听过无数遍的地铁铁轨叮当作响的声音，你突然觉得自己的日常生活有点无聊和单调，就像太阳每天从东方升起，一次又一次。
从西边坠落。
戴上耳机并打开您最喜欢的播放列表，就像往常一样。
你点击随机播放按钮，希望把控制权交给播放器和算法，让它们给你带来一点未知的新鲜感。
您是否想知道随机播放算法如何向我们呈现随机播放列表？ “真随机”还是“伪随机” 历史上最经典的随机音乐播放器可能就是 iPod Shuffle。
2009年，苹果推出了经典的iPod Shuffle。
iPod Shuffle 在当时是一个异类。
当时的音乐播放器（还直接称为MP3）基本上都有一个屏幕来显示音乐。
在信息屏上，用户可以自由选择自己喜欢的音乐，有些MP3播放器甚至可以播放视频。
例如魅族去年推出的迷你播放器M6就配备了2.4英寸显示屏。
iPod Shuffle 没有屏幕，整体上比苹果自家的 iPad Nano 更粗糙。
但最大的问题是，用户如何选择自己喜欢的歌曲？答案是一个随机列表。
你可以通过iTunes同步你喜欢的音乐，也可以直接同步你喜欢的播放列表，但在iPod Shuffle上，你能得到的最大感受就是“随机播放的魅力”。
其实我们所说的“随机播放”有两种常见的方式，一种叫“Shuffle”，另一种叫“Random”。
▲ 洗牌算法。
图片来自：9to5MacShuffle 一般被称为“洗牌算法”。
它的原理就像洗牌一样，将不同数量的扑克牌随机排列，得到无序的顺序。
随机播放列表也是如此。
每次播放时，这个列表中的歌曲都会被打乱，以获得无序播放，这是一种“伪随机”算法。
Random是真正的随机播放，也就是说每次切换音乐都是一个独立的未知数，并且会随机得到不同的音乐，就像“抽签”一样。
它没有列表的概念，因此没有上一首和下一首歌曲。
第一个概念是“真随机”算法。
如何判断是“真随机”还是“伪随机”？其实你只需要按“上一曲”就知道了。
如果切换到刚刚听的歌曲，就是一种“伪随机”的洗牌算法。
如果每次都切换到不同的歌曲，那么它就是“真正的随机”算法。
▲ 洗牌算法的本质来自于洗牌。
图片来自：Phys.org 这两种方法哪个更好？对于现在的用户来说，shuffle算法更容易接受。
理论上来说，它的可控性更强，可以满足用户乱序播放的要求，并且可以防止重复听到一首歌的可能性。
目前，“洗牌算法”在各大音乐应用中使用较多。
比如网易云音乐、QQ音乐等拥有大量用户的播放器都在使用。
一个好的随机算法应该是什么样的？但尽管“洗牌算法”本身有足够的优势，但原有的“洗牌算法”已经不能满足人们日益增长的听音乐需求，或者有些播放器越变越差。
健康）状况。
比如在知乎提问中，很多人都觉得网易云音乐的随机算法有很大问题。
例如，它只播放少量固定歌曲，有些歌曲似乎从未随机播放过。
甚至有用户表示，删除的歌曲仍然可以随机找到。
事实上，App 介入的是这个“随机列表”，而不是简单地洗牌。
但从结果来看，用户感知的好坏取决于各个公司对“洗牌算法”的理解和设计。
虽然有不少用户吐槽网易云的算法，但并不影响推荐歌单、评论等热门功能。
据知乎上QQ音乐产品经理刘彦斌的回答，洗牌算法中会混入更多的大数据算法介入：根据产品团队的研究，用户想要的并不是真正的“洗牌”。
回放”。
”，但用户大多不知道该听哪首歌，选择也比较困难。
我希望你能帮助我做出决定。
并且，尽量适应我目前的心态。
随机算法可以解决选择困难，但并不能真正解决用户的需求，因为“洗牌算法”并不知道用户真正想要什么。
但音乐应用程序实际上可以做到这一点。
有了足够大的个人收听数据样本和大数据研究，算法可以对用户当前想听哪些歌曲做出一些判断。
▲ QQ音乐。
图片来自：YouTube 举个简单的例子，比如，如果在夜深人静的时候点击随机播放，那么用户很可能不想听金属、摇滚等过于嘈杂的音乐。
结合用户之前的听歌历史记录，此时随机算法会根据用户当前的环境时间播放更加随机的轻音乐。
不然你觉得那些音乐聆听报告为什么这么详细？它准确地知道哪首歌是你在晚上不睡觉的情况下播放过很多次的。
QQ音乐产品经理刘彦斌也总结了一个好的随机算法应该具备的几个特点：记录我本地或者最近的音乐听歌记录，并且随机时间尽量不推荐，保证洗牌算法的随机新鲜度。
好吧，尽量把某个歌手和某个专辑分开，让用户感觉是一个随机列表。
可以在本地记录用户的操作记录，比如跳过的歌曲数量，降级用户不感兴趣的歌曲，或者过滤选择随机池，在丰富歌曲标签后可以做更多的事情。
例如，根据当前场景，推荐适合聆听的本地歌曲，并先随机播放。
这些都有助于让用户感知智能。
▲ Spotify 的随机播放。
图片来自：REGENDUS 对随机播放算法的研究当然不仅仅是QQ音乐。
一直以推荐算法闻名的流媒体音乐服务Spotify，在“洗牌算法”上也有更深入的思考。
他们甚至在他们的官方网站上描述了如何改进随机播放算法。
即使是像Spotify这样的流媒体音乐，很多用户仍然觉得随机播放并不“随机”。
当然，Spotify的洗牌算法是随机的，但他们开始思考为什么用户会有这样的感觉。
基本上，Spotify从提供服务之初就使用了Fisher-Yates混洗算法，他们觉得这种混洗算法做得最好。
▲ 如果用不同的颜色代表不同的歌手，这意味着如果完全随机的话，上下列表都可能出现。
不过，Spotify 一开始并不明白用户所说的“不随机”是什么意思，但经过研究发现，用户的核心想法并不是希望某个歌手在短时间内重新出现，但这里用户实际上陷入经典的“赌徒谬误”。
当人们连续几次没有中奖时，他们就会思考下一次中奖的机会。
会增加，但实际上概率是独立的并且每次都是相同的。
但如果用户不断地听某个歌手的作品，就会突然觉得这个算法有问题。
结论表明用户不喜欢“完美的随机性”。
相比“完美”，用户更喜欢“平衡”。
那么什么是“不完全随机性”呢？在 Martin Fiedler 的博客文章“随机播放音乐的艺术”中，他展示了为什么完全随机的列表是不好的。
假设您的播放器中有三种不同的流派：A、B 和 C。
A 有 10 首歌曲，B 和 C 都有 11 首歌曲，总共 32 首歌曲。
如果使用真正的随机算法来洗牌会发生什么？可能是：AACBBCBACABBCCACCCCABBACBACABABB 有连续的C流派，四分之一的时间没有B流派。
重复单一类型对于用户来说无疑是不好的。
绝对随机的算法在大多数情况下很可能会生成如此糟糕的播放列表，因为绝对随机性也意味着“不平衡”。
▲ 图片来自：Marie Claire 更好的随机播放列表是为了满足无法做出决定但又想获得新鲜感的用户。
这时候就应该尽量避免重复和单调，所以下面的播放列表就比较适合。
适合：ABCBCABACBACBCABCACBABCACBACBBCAB 是一个非常流畅的播放列表，没有任何“异常”。
马丁·费德勒称之为“平衡洗牌”。
为了实现播放列表更加平衡的洗牌，Martin Fiedler发明了一种相对复杂的洗牌算法。
如果你对具体实现感兴趣，也可以直接去看这个博客。
Spotify 借用了这个算法，但对其进行了修改以更好地适应自己，还借用了抖动算法（例如 Floyd-Steinberg 抖动），最终将歌曲更均匀、平衡地分配到播放列表中。
就是这样。
如今，虽然各家公司的随机玩法算法大多基于“洗牌算法”模型，但它们也有自己的“秘方”。
有些用户会喜欢它，而有些则很糟糕并且不断被用户抱怨。
的。
但本质上，随机玩法算法的重点并不是“随机”，而是产品与用户之间的心理博弈。
即使随着你的聆听习惯逐渐养成，它们本身也会改变随机性。
播放列表的加权趋势。
你听得越多，他们就越能理解你。
版权声明：本文内容由互联网用户自发贡献，本站不拥有所有权，不承担相关法律责任。如果发现本站有涉嫌抄袭的内容，欢迎发送邮件 举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。
标签：
相关文章
06-06
06-18
06-17
06-17
06-18
最新文章
Android旗舰之王的过去与未来
智能手表不被开发、AR眼镜被推迟，Meta的产品经历了一波三折
为什么Cybertruck是特斯拉史上最难造的车？
更新鸿蒙3后，文杰允许你在车里做PPT了
新起亚K3试驾体验：追求“性价比”，韩系汽车仍不想放弃
阿维塔15登场！汽车配备了增程动力，理想情况下会迎来新的对手吗？
马斯克宣布创建 ChatGPT 竞争对手！ OpenAI的CEO给他泼了冷水， GPT-5可能会发生巨大变化
骁龙无处不在，是平台也是生态