從千萬首歌單百萬用戶推薦預測，如何練出跨產業AI預測力 ... | 美體產業公開資訊

2020年9月3日—大型音樂串流平臺KKBox旗下技術研發子公司KKLab，多年來利用千萬首...從每天百萬會員聆聽數千萬首歌曲的大數據分析中，邱裕明的團隊練出 ...

音樂串流平臺的資料科學工程師，竟成了傳統製造業擁抱新興科技的技術顧問！今年開始，有一群打造出超強音樂推薦、歌曲流行度預測AI的資料科學團隊，到處拜訪其他各產業，不只傳統製造業，「物流業、零售業，連醫療業都跑。」KKLab資料科學總監邱裕明說。

KKBox成立10多年來，一直以來有個不到20人的研發中心，不斷嘗試新技術來發展新應用。直到2019年，他們將這支隱身幕後的研發團隊，結合其他部門，獨立成為一個100人的創新研發子公司KKLab，由母公司技術總監邱裕明接任子公司資料科學總監，帶領AI和資料科學團隊開發各種機器學習應用。

從每天百萬會員聆聽數千萬首歌曲的大數據分析中，邱裕明的團隊練出一身超強的AI技術能力，但是，現在的他，滿口談的不是音樂串流的發展，反而是其他各產業的技術需求。「原料長期價格預測，」他舉例，原本用來進行歌曲推薦和預測熱門程度的AI，可套用到製造業原物料採購的歷史資料，來預測未來價格走勢。他們想要成為一個具備跨產業的技術研發團隊。為何他們可以從音樂界，走入各產業？關鍵就是AI。

KKBox早在2005年成立時，以音樂播放軟體為主，後來隨著網路技術的演進、雲端技術的崛起，也轉而成了線上音樂串流平臺，邱裕明指出，當音樂服務演進到串流播放的模式，才讓個人化的推薦服務成為可能。

這個新趨勢讓他們的研發團隊，轉而開始投入資料科學、機器學習技術研發，個人化音樂的推薦就是KKBox第一個導入AI的應用場景。而十多年所累積的5,000萬首華語和西洋歌曲，再加上現在每日高達100萬名活躍用戶的聆聽行為，產生了龐大的數據。邱裕明指出，這些大數據是推動機器學習的關鍵。

為打造個人化音樂推薦的能力，要建立兩種機制，一是要能分辨使用者的喜好，二是有一套曲風辨識機制，就可以向喜好同一類曲風的使用者來推薦更多同樣曲風的音樂。這兩種機制的分類顆粒度越細，就能提供越個人化的推薦。

在曲風辨識機制上，推薦系統要先找出幾個常見的曲風風格，從5千萬首歌中，自動抽取出每一首歌的特徵，如節奏、樂器、中高低音等，再來歸納出幾種常見曲風的特徵組合；目前有5、6種，就可進一步...