主要观点总结
本文介绍了网易云音乐在跨域多场景建模方面的工作，包括背景介绍、整体架构、关键模块、应用效果、展望和问答环节。通过统一建模，旨在提升场景忠实用户的体验，降低机器成本和人力成本，提升研发效率，促进技术共建。文章还详细描述了建模的目标、难点、整体框架、关键模块、应用效果及未来展望。
关键观点总结
关键观点1: 背景介绍
网易云音乐的核心场景包括每日推荐、流式推荐、歌单推荐等，面临多场景建模的挑战。开展多场景工作的目标包括用一个模型服务所有推荐场景，取得更好的效果，以及降低机器成本和人力成本。
关键观点2: 整体架构
构建了统一的模型架构，包括系统框架、模型架构等。系统框架上，从数据层到场景层再到顶层任务进行统一构建。模型架构上，参考了业界多场景建模的整体架构，并融入了音乐场景特有的业务特点。
关键观点3: 关键模块
关键模块包括统一模型建模、公域网络设计、私域网络设计、跨域多任务模型、模型轻量化设计等。通过设计公域和私域网络，提取业务场景共有的特性和用户公共的兴趣，保留每个场景最特殊、最有价值的部分特征。
关键观点4: 应用效果
模型上线后效果显著，核心推荐场景红心率提升10%以上，多个小场景核心指标提升15%以上。模型还落地到网易集团其他业务，新客绝对值提升0.2%，次留绝对值提升0.2%。
关键观点5: 展望
文章预览
导读 本文将分享网易云音乐在跨域多场景建模方面的工作。 主要内容包括六个部分： 1. 背景介绍 2. 整体架构 3. 关键模块 4. 应用效果 5. 展望 6. 问答环节 分享嘉宾｜ 王诗佳 网易云音乐 资深算法工程师 编辑整理｜ 蔡郁婕 内容校对｜李瑶 出品社区｜ DataFun 01 背景介绍 多场景建模是一项与业务紧密结合的算法优化工作，其核心在于思考如何处理多个业务场景之间的差异性和共性。 1. 云音乐推荐场景介绍 云音乐的核心场景包括每日推荐，每天更新 30 首歌曲，以列表形式呈现；还有流式推荐、实时更新，和每日推荐一样都是直接为用户推荐歌曲；此外还有歌单推荐，包括首页推荐歌单以及 MGC 歌单。 2. 主推荐场景差异化 这些场景特点各异，旨在满足用户不同的个性化推荐需求。可以看到，在过去一段时间，这些场景一直由专人
………………………………
