KKBOX通过加强个性化功能,彻底更新并实现了更直观的音乐体验

作者:麦梓籼

<p>KKBOX是一种统一价格的音乐发行服务,它大大更新了应用程序</p><p>在此更新,更新基础上,秉承“以人为本与他们分享音乐的激情” KKBOX,加强个性化,扩展相应的设备,扩大和提供内容的UI</p><p>此次更新不仅在日本进行,还在台湾,香港,新加坡,马来西亚和泰国进行,KKBOX开展服务</p><p>通过个性化功能,我们引入了自己的推荐系统“Discover”,与国立台湾大学等专业机构合作开发</p><p>您使用的越多,您进入自己喜欢的应用程序的次数就越多</p><p>此外,作为在各种场景中享受KKBOX的努力之一,它促进了多设备化</p><p>新的这个时候,和车载终端,包括“苹果CarPlay”“机器人汽车”,“苹果电视”的设备产生客厅,比如“XBOX”,开始响应“苹果观察”,“可穿戴设备的Android Wear”我做到了</p><p>此外,显著附加功能和这个时候,根据相应的设备的扩张,从而使用户可以享受更方便舒适,改变到较高的卡型UI直观和可视性</p><p>音乐的类型类别也被重建,歌曲分类的重新排列,播放列表的增强被执行</p><p>要在整个这个更新评论KKBOX国际(台湾)代表Izero李KKBOX先生的核心价值是“轻松创建音乐,方便,非常喜欢,以便”</p><p>自服务开始以来,我们一直保持这种感觉</p><p>我们强调“内容”“推荐”“音乐体验”的三个视角</p><p> Tatsuo Yagi先生KKBOX日本代表“更接近音乐”这次用这样的想法更新了服务</p><p>我们将继续挑战,提供许多机会,享受各种场景和日常生活中的音乐</p><p>特别机构对推荐功能的评论“发现”陈洪明先生台湾大学国立大学KKBOX是一项创新和创新的服务</p><p>由于工业界和学术界的合作,我们在音乐和科学技术方面取得了惊人的成果</p><p>这不仅是培养发展研究人才的一项非常大的成就</p><p>推荐系统中个性化功能的开发技术在业界也是非常先进的,甚至从国际视角也值得注意</p><p>中央研究院杨一轩推荐算法技术不断完善</p><p>过去,使用了一种称为“矩阵分解”的算法,但这次采用的算法基于“深度学习”</p><p>作为基本原则,在预测用户的偏好时,使用共享历史和类似的组趋势数据</p><p>这允许由个人用户优化的推荐</p><p> “深度学习”是近年来在人工智能领域中使用的非常流行的方法</p><p>该方法使用模仿人脑神经回路的“神经网络”概念</p><p>通过这次合作,我觉得迄今为止的研究成果能够带来非常好的结果,例如更新用户偏好预测的概念</p><p>由国立政治大学铭锋仔推荐算法说我们是基于使用已经在一个新的方法“表示学习(学习表现)”中的“深度学习”</p><p>优点是灵活性高,您可以将数据嵌入到推荐分析模型中</p><p>可以包括歌曲,流派,收听时间,甚至过去由用户输入的音乐家的信息作为分析元素</p><p>因此,它将能够比以前的算法更准确地产生推荐结果,并且更接近人类思维电路</p><p>在这次更新中,现在可以响应向个人用户,如“从再现历史推荐”,“推荐播放列表”,“推荐专辑”,一直是多方面的,....