音频表征大模型在QQ音乐歌曲冷启的应用与探索(更新版)

主要观点总结

本文主要介绍了在QQ音乐推荐系统中应用音频表征技术的方案，以解决新冷内容分发不足的问题。包括基于内容本身的处理、基于I2I共现数据微调、基于U2I交互数据微调三种方法。同时还介绍了模型更新流程和展望。

关键观点总结

关键观点1: 问题与背景介绍

本文介绍了QQ音乐推荐系统面临的新冷内容分发问题，以及音频表征技术在推荐系统中的应用背景和重要性。

关键观点2: 常见使用方式

介绍了音频表征的常见使用方式，包括直接拼接、标签化分类型特征等方式，并探讨了其效果和应用局限性。

关键观点3: 基于I2I共现数据微调

详细介绍了如何使用I2I共现数据进行音频表征微调，包括MPE表征的提出、应用和如何对齐ID Embed。

关键观点4: 基于U2I交互数据微调

介绍了如何使用U2I交互数据进行音频表征微调，包括不同表征映射方式的对比、如何融入U2I交互信号、如何使用Encoder表征以及模型更新流程。

关键观点5: 总结与展望

总结了本文介绍的音频表征技术在QQ音乐推荐系统中的应用和规划，包括总结与规划、活动推荐等。

文章预览

音频表征大模型在QQ音乐歌曲冷启的应用与探索 说明: 前阵子受DataFun邀请, 上周六在DataFunSummit #2024推荐系统架构峰会上做了关于 音频表征大模型在QQ音乐歌曲冷启的应用与探索 的分享, 这里对笔者在峰会上分享的材料进行整理, 由于准备时间仓促, 加之部分工作还在持续探索之中, 材料难免有错误和不当之处，敬请各位读者谅解和批评指正。 1. 问题与背景介绍 本文介绍的内容是接着天琴实验室的江益靓同学前面所介绍的音频表征大模型的议题, 介绍下音频表征在我们QQ音乐推荐冷启场景中的一些应用和探索, 首先是问题与背景介绍。 1.1 背景介绍 这里介绍下我们QQ音乐平台音乐推荐当前的内容现状, 和其它像短视频推荐、笔记推荐的场景类似, 我们的音乐平台也是面临着新冷内容长期分发不足的问题。 音乐虽然制作的门槛比较高, 但是, 我们平台每天 ………………………………