增加38%潜在用户，网易云推荐冷启动的秘诀

对于所有的推荐系统来说，冷启动都是极其重要的。冷启动对于丰富平台内容生态、提升用户体验等方面都至关重要。

其中音乐内容与短视频、新闻、商品推荐又有显著的不同，音乐的生命周期跨度极长，通常会以年为单位，有些歌曲可能在沉寂几个月、几年之后爆发，经典歌曲甚至可能经过十几年仍然有着极强的生命力。

因此，对于音乐平台的推荐系统来说，发掘冷门、长尾的优质内容，并把它们推荐给合适的用户，相比其他类目的推荐显得更加重要。

冷门、长尾的item（歌曲）由于缺乏用户交互数据，对于主要依赖行为数据的推荐系统来说，想要做到精准分发是非常困难的。

理想情况是允许拿出一小部分流量做探索分发，在探索中积累数据。但是，线上的流量又十分珍贵，探索往往容易破坏用户体验。而推荐作为直接对业务指标负责的角色，不允许我们为这些长尾item做过多的不确定的探索。因此，我们需要做到从一开始就能较为精准地找到item潜在的目标用户，也就是零交互记录item冷启动。

虽然实际业务上，大多需要做冷启动的item多多少少还是有一点用户交互数据的，但经过我们的努力，目前我们的冷启动系统已经可以实现零交互记录item冷启动。

想要做好零交互记录item冷启动，核心就在于对item本身内容的理解。

歌曲本身是一种多模态信息，除了语种、曲风这些标签信息之外，歌曲的音频、文本(包含歌名与歌词)包含了大量的信息，理解好这些信息，并发掘它们与用户行为之间的关联性，就是做好冷启动的关键。

经过多次建模迭代+引入对比学习等一系列技术，取得了非常好的效果，部分成果已有公开论文发表(Bootstrapping Contrastive Learning Enhanced Music Cold-Start Matching)。在线上，该冷启动算法在找到更多的潜在目标用户(+38%)的同时，还实现了冷启动item的收藏率(+1.95%)、完播率(+1.42%)等业务指标的提升。

具体的问题分析、建模与实践细节将在DataFunSummit2023：推荐系统在线峰会展开，由网易云音乐高级算法工程师任俞明为我们带来精彩分享。