如何在网易云音乐查看关注的人的歌单？第一步：首先打开网易云音乐。第二步：在主面板左下角，有自己的登陆账号头像，点击头像会在右侧弹出一栏。第三步：我们点击“关注”。第四步：在这里可以看到所有你关注的朋友
如何在网易云音乐查看关注的人的歌单？
第一步：首先打开网易云音乐。第二步：在主面板左下角，有【pinyin：yǒu】自己的登陆账号头像，点击头像会在右侧弹出[繁：齣]一栏。
第三世界杯步：我《练：wǒ》们点击“关注”。
第四步：在这里可以看到所有你关注的《pinyin：de》朋友。
第五wǔ 步：选择你想要看的朋友，点击。
第六步：在这里就可以看到他的（练：de）歌单啦。
网易云音乐每日歌曲推荐的原理是什么？
每日推荐是瞬间完成的，它背后肯定有一个算法作支撑，一般就是商品推荐算法“商品推荐”系统的算法#28 Collaborative filtering #29分两大类，
第一类，以人为本，先找到与你相似的《练：de》人，然后看看(kàn)他们买了什么你没有买的东西。这类算法最经典的实现就是“多维空间中两个向量夹角的余弦公式”；
第二类， 以物为本直接建立各商品之间的相似度关系矩《繁：榘》阵(zhèn)。这类算法中最经典是#30"斜率=1#30" #28Slope One#29。amazon发明了暴力简化的第二类算法（读：fǎ），‘买了这个商品的人，也买了xxx’。
我wǒ 们[繁：們]先来看看第一类，最大的问题如何判断并量化两人的相似性，思{读：sī}路是这样 --
例子（pinyin：zi）：
有3首歌放在那里，《最炫民族风[繁：風]》，《晴天》，《Hero》。
A君，收(拼音：shōu)藏了《最炫民族风》，而遇到《晴天》，《Hero》则总是跳过；
B君，经常单（繁：單）曲循环《最炫民族风》，《晴天》会播放完，《Hero》则拉黑了
C君，拉黑了《最炫民族风》，而《晴qíng 天》《Hero》都收藏了。
我们澳门新葡京都看出（繁体：齣）来了，A，B二位品味接近，C和他们很不一样。
那么问题来了，说A，B相似，澳门新葡京到底有多相似，如何量化《pinyin：huà》？
我们把三首歌想象成三维空间的三个维度，《最炫民族风》是《pinyin：shì》x轴，《晴天》是y轴，《Hero》是z轴，对每首歌的喜欢程度即该维度上的坐标，并且对喜欢程度做量化#28比如： 单曲【qū】循环=5， 分享=4， 收藏=3， 主动播放=2 ， 听完=1， 跳过=-1 ， 拉黑=-5 #29。
那么每个人的总体口味就是一个（繁体：個）向量，A君是 #283，-1，-1#29，B君是(pinyin：shì)#285，1，-5#29，C君是#28-5，3，3#29。 #28抱歉我不会画立体图#29我们可以用向量夹角的余弦值来表示两个向量的相似程度， 0度角#28表示两人完全一致#29的余弦是1， 180%角#28表示两人截然(拼音：rán)相反#29的余弦是-1。
根据余弦公式， 夹角余弦 = 向量点积/ #28向量长度的叉积#29 = #28 x1x2 y1y2 z1z2#29 / #28 跟号#28x1平（练：píng）方《练：fāng》 y1平方 z1平方 #29 x 跟号#28x2平方 y2平方 z2平方 #29 #29
可见 A君B君夹角的余弦是{pinyin：shì}0.81 ， A君C君夹角的余弦是 -0.97 ，公式诚不欺qī 我也。
以上是三维#28三首歌#29娱乐城的情况，如法炮制N维N首歌的情况都是一（yī）样的。
假设我们选取一百首种子歌曲，算出了各君之间的相似值，那么当我们发[繁体：發]现A君还喜欢听的《小苹果》B君居然没听过，相信大家都知道该怎么和【练：hé】B君推荐了吧。
第一类以人为本推荐算法的好（练：hǎo）处我想已经很清楚了，那就是精准！
代价《繁：價》是运算量很大，而且对于新来的人#28听得少，动作少#29，也不太好使，
所以yǐ 人们又发明了第二类算法。
假设我们对新来的D君，只知道她喜xǐ 欢最炫民族风，那么问题来【lái】了，给她推荐啥《pinyin：shá》好咯？
如图，推荐《晴qíng 天》！
呵呵，第二类算法的《pinyin：de》好处大家也（练：yě）看出来了，简单粗暴好操作{读：zuò}#28也适合map-reduce#29，可精度差了点。
所以，各家网站真正的推荐算法，是他们在综合上述两类算法的基础上，各自研《yán》制并且不断地改进调节【繁：節】的，外人不得而知！ ^_^
本文链接：http://10.21taiyang.com/Biological-SciencesScience/1625191.html
网易云音乐怎么找关(繁：關)注歌手转载请注明出处来源