飞桨图神经网络PGL助力国民级音乐App，创新迭代千亿级推荐系统
每当夜深人静时，你打开网易云音乐，或听歌刷乐评，或看直播闲聊，享受着以心交心的放松愉悦。在这背后，有一群技术人员苦思冥想地探索着，只为让“云村”越来越懂你。 “不同于一般的聊天文本或图片，音乐本身是跨域数据，具备若干特征，数据维度非常多。而1.8亿月活海量用户的音乐相关数据，带来的计算量、推荐量、参数规模都巨大无比。”网易云音乐机器学习平台技术团队意识到，在这样复杂问题面前，传统机器学习方法渐渐无力招架。 此外，云音乐的直播业务兴起，商业化表现良好，团队的担子更重了，“直播行为与音乐行为差异甚大，这意味着计算量与难度进一步增加。”压力之下，该团队将目光瞄向“图神经网络”，并最终选择应用百度飞桨PGL图神经网络技术来迭代升级云音乐的推荐系统。 推荐系统为何 需要图神经网络？ 作为全球知名音乐社区，网易云音乐在繁荣发展的同时，其推荐系统面临三大难题：囊括音乐、歌单、Mlog、直播、云圈、动态等的多域数据；海量用户产出的超大规模数据；超30万音乐人发布歌曲，超28亿用户产生歌单，27%用户交流/生产内容构成的动态数据标签。 传统的机器学习方法需要严格制定一套规范来提取样本，逐项指定样本...
