亚马逊利用AI技术，预测Alexa用户音乐喜好

近日，亚马逊的AI工程师们开发了一种新奇的方式研究用户喜欢且产生共鸣的音乐类型：将循环播放时长作为一种“隐藏的推荐系统”。机器学习科学家兼科研论文的第一作者Bo Xiao，在亚马逊的官博中详细描述了这种方法。

背景：对于Alexa这种语音助手来说，区别两首名字相似的歌曲很困难，比如莱昂纳尔·里奇的《Hello》跟阿黛尔的《Hello》。解决这种问题的一个办法就是让助手总是选择用户应该会更喜欢的歌曲，但是Xiao指出，这说来轻松做起来其实很难。用户通常并不会在Alexa等语音助手平台上为常听的歌曲打分，而且通过常听的歌曲不一定能预测出用户的音乐喜好。

Xiao写道：“为了能更好为顾客提供服务，Alexa应该能针对模棱两可的答案进行合理的推测。我们使用机器学习来分析歌曲循环时长的数据，以此来推断用户的音乐喜好，然后使用协同过滤的方式来预测用户是否会喜欢一首从没播过的歌曲。”

在一份名为“对话系统中基于歌曲播放时长的关联建模”中，Xiao和团队论证到，因为如果用户不喜欢听一首歌就会暂停播放，改放喜欢的歌曲，搜集这些数据可以用来训练使用机器学习的推荐引擎。

科研团队将歌曲分为两个类别：1，播放不到30秒的歌曲。2，播放时长超过30秒的歌曲。他们将这两个类别在矩阵网格上分别用两个数字表示，第一类歌曲标为-1分，第二类标为1分。

为了将与音乐喜好无关、播放被打断（比如不小心播放后立刻暂停）考虑在内，科研团队使用了权重函数。举个例子，播放了25秒的歌曲的权重（分量）大于播放1秒的，播放三分钟的权重也大于播放两分钟的。

【注：权重函数是在加和、平均、整合或其他运算中为了突出某个元素比其它元素“重”而引入的数学概念。经常用于数理统计和分析以及与测量休戚相关的学科中。权重函数可以是离散的（非线性），也可以是线性的。】

Xiao还表示，评估推算出的用户喜爱分数时，科研团队发现结果准度很高，说明这个AI模型足够有效。另外，科研人员计划在未来将它应用在音乐以外的内容上，比如有声读物和视频等。