911制品

《51蝉别别谤的个人空间-51蝉别别谤个人主页-哔哩哔哩视频》剧情介绍：我们不会是因为我们放不下公子说的是保管教这些贼子有来无回商队总管狞笑着51蝉别别谤的个人空间-51蝉别别谤个人主页-哔哩哔哩视频猛然间他明白了真相当你按下「随机播放」时QQ 音乐和网易云们都做了什么原创2020-11-19 12:09·爱范儿下班了又一次走进熟悉的地铁站听着已经听过无数遍哐当哐当的地铁轨道声你突然觉得每天的日子有点乏味和单调就像太阳每天从东边升起又从西边落下戴上耳机打开你最喜欢的歌单就像往常那样你点下随机播放的按钮希望把掌控权交给播放器和算法让它们带给你一点未知的新鲜你有没有想过随机播放算法究竟是如何给我们呈现一个随机歌单的「真随机」还是「伪随机」历史上最经典的随机音乐播放器应该还要数 iPod Shuffle2005 年的时候苹果公司推出了经典的 iPod ShuffleiPod Shuffle 在当时来说可以算是一个异类那时候的音乐播放器（还在直接叫 MP3 的时代）基本上都已经有了一块用来显示音乐信息的屏幕用户可以自由的选择自己喜欢的音乐甚至有些 MP3 还能播放视频比如 2006 年没魅族推出的 miniplayer M6 已经搭载了 2.4 英寸显示屏而 iPod Shuffle 没有屏幕整体比起苹果自家的 iPad Nano 来说也来的简陋但最大的问题是用户如何选择自己喜欢的歌曲答案是随机列表你可以通过 iTunes 同步你喜欢的音乐也可以直接同步一个你喜欢的播放列表但是在 iPod Shuffle 上你所能获取的最大感受是「随机播放的魅力」实际上我们所说的「随机播放」常见的方式有两种一种叫「Shuffle」一种叫「Random」▲ 洗牌算法图片来自：9to5MacShuffle 一般叫做「洗牌算法」它的原理是像扑克洗牌一样将不同数量的扑克牌进行随机排列就能得到一个乱序的顺序随机播放歌单也是如此每次播放的时候会将这个列表中的歌曲进行洗牌从而获得一个乱序的播放也就是「伪随机」算法而 Random 则是真正的随机播放也就是说每次切换音乐都是独立的未知数会随机到不同的音乐就像「抓阄」一样它没有列表的概念所以没有上一首和下一首的概念是「真随机」算法怎么判断是「真随机」还是「伪随机」其实只要按下「上一首」就知道了如果切换到是你刚才听过的那一首那就是「伪随机」的洗牌算法如果是每次都在切换不同的歌那么就是「真随机」算法▲ 洗牌算法本质来自洗扑克牌图片来自：Phys.org这两种哪种方法更好一些对于目前的用户来说洗牌算法要更能接受一些理论上它更加具备可控性又能满足用户乱序播放的要求还能防止重复听到一首歌的可能性目前在各大音乐 App 中用得比较多的是「洗牌算法」比如用户数量很大的网易云音乐和 QQ 音乐等播放器都在使用好的随机算法应当是怎样的但即便「洗牌算法」本身有足够多的优点但原始的「洗牌算法」已经无法满足日益增长的听歌需求或者说也有播放器越改越糟糕的情况比如知乎提问中很多人都感觉网易云音乐的随机算法有着很大问题比如只放一小部分固定的歌曲而有些歌曲似乎永远随机不到甚至有的用户还表示自己删除的一首歌曲还能被随机到其实 App 对于这个「随机列表」是有干预的而并非简单的进行洗牌而但从结果上说到底用户感知是好还是差就看各家对于「洗牌算法」的理解和设计了尽管吐槽网易云算法的用户不少但也并不影响推荐歌单和评论等受到欢迎的功能根据知乎介绍为 QQ 音乐产物经理的用户刘彦彬的回答在洗牌算法之中也会掺杂更多的大数据算法干预：根据产物团队调研用户想要的其实不是真正的「随机播放」而是用户更多是不知道听哪首更多是选择困难希望能帮我做决定而且尽量的符合我当前的心境随机算法可以解决选择困难但是并不能真正解决用户需要的心境因为「洗牌算法」并不会知道用户究竟想要什么但是音乐应用其实是可以做到这一点的在足够大的个人听歌数据样本和大数据调研情况下算法可以做出一些判断用户此刻更想要听哪些歌▲ QQ 音乐图片来自：YouTube举个简单的例子比如说在夜深人静的深夜点开随机播放那么用户很大可能性是不想听比如金属、摇滚等过于吵杂的音乐结合用户以往的听歌历史这个时候随机算法就会根据用户当前的环境时间更多的随机到轻音乐不然你以为那些听歌报告为什么那么详细你夜里不睡觉循环了多少遍哪首歌它都一清二楚QQ 音乐产物经理刘彦彬还总结了好的随机算法应该具备的几条特征：记录我本地或最近一段时间的听歌记录尽量在随机时不会推荐出来保证随机的新鲜感洗牌算法做好尽可能的隔开某个歌手某张专辑让用户从感官上感觉是一个随机列表可以在本地做用户操作记录比如跳过歌曲的次数对用户不感兴趣的歌曲进行降权或者过滤精选随机的池子在对歌曲标签丰富后可以做的事情就更多了比如根据当前的场景推荐本地适合收听的歌曲优先随机播放这些都有助于让用户感知智能▲ Spotify 的随机播放图片来自：REGENDUS对随机播放算法调研的当然不只是 QQ 音乐一直以推荐算法闻名的流媒体音乐服务 Spotify 也有对「洗牌算法」更深度的思考甚至他们还在官网里面写出了如何改进随机播放算法即便是对于 Spotify 这样的流媒体音乐依然有许多用户会觉得随机播放不「随机」Spotify 的洗牌算法当然是随机的但他们开始思考为什么用户会这样觉得从基础上说Spotify 从提供服务开始就用的是 Fisher-Yates 洗牌算法他们觉得这个洗牌算法做的最出色▲ 如果用不同颜色代表不同歌手这意味完全真随机时上下两种列表都可能出现不过Spotify 一开始并不理解用户说的「不随机」是什么意思但在研究之后发现用户的核心理念是不希望一位歌手在短时间内重复出现但这里其实用户陷入了了一个经典的「赌徒谬论」当人们连续几次没有中彩票时就会认为自己下次中奖的几率会增大而其实每次概率都是独立而相同的但如果用户连续听到某一位歌手的作品时他们就会粗暴的觉得这个算法「有问题」结论表示用户并不喜欢「完美的随机」比起「完美」用户更喜欢的是「平衡」那什么是「不完美的随机」在马丁?菲德勒（Martin Fiedler）的博客文章 「混洗音乐的艺术」中他展示了为什么完全的随机列表是糟糕的假设在你的播放器中存在三种不同曲风的流派分别是 A、B、C其中 A 有 10 首B 和 C 都是 11 首一共 32 首歌如果使用真正的随机算法来洗牌会出现怎样的情况可能是：AACBBCBACABBCCACCCCABBACBACABABB其中出现了连续的 C 曲风流派以及在四分之一的时间里是没有 B 曲风流派的对于用户来说重复单一的曲风无疑是糟糕的而绝对的随机算法很可能在大部分情况下都会生成这种糟糕的播放列表因为绝对的随机也意味着「不平衡」▲ 图片来自：Marie Claire更好的随机里列表是为了满足用户无法下决定但又想要获得新鲜感的心理这时就应该尽可能的避免重复和单调所以下面这种播放列表才是更合适的：ABCBCABACBACBCABCACBABCACBACBCAB很四平八稳的一个播放列表没有任何「异常」存在马丁?菲德勒称之为「平衡洗牌」为了实现将歌单洗牌更加平衡马丁?菲德勒发明了一套较为复杂的洗牌算法如果你对具体实现感兴趣也可以直接移步到这篇博客Spotify 借鉴了这个算法但将之修改为更适合自己的方式并且同时借鉴了抖动算法（例如 Floyd–Steinberg 抖动）最终将歌曲更加均匀平衡的分散到播放列表之中就是这样今天各家的随机播放算法虽然大都基于「洗牌算法」的模式但也都有着自己的「调味秘方」有的用户会喜欢也有做的糟糕的不停被用户吐槽的但本质上随机播放算法的重点不在于「随机」而是一场产物和用户之间的心理博弈对决甚至它们会随着你的听歌习惯的逐渐养成自身也在改变着随机歌单的加权倾向越听它们就会越了解你

《51蝉别别谤的个人空间-51蝉别别谤个人主页-哔哩哔哩视频》视频说明：方源打听到这个蛊师喜欢吃鱼便走了十几里路来到一片山间湖泊中如今客家人已经分布在了中国的各个地方同时他们也散布到了世界各地成为了中国优秀的传统文化的传播者和发扬者每天按部就班不急不躁该工作工作该休息休息该放松放松他们才真正活出了人样

并且有了这层关系鲛饶发展也会得到巨大的保障到了现场我一看这地方真够偏的几乎没什么人烟我们几个刑警分头行动我负责从后门包抄夜深人静月亮躲在云后头四下里静得出奇我猫着腰小心翼翼地靠近那个小院子

我是不是也应该禀告家族方源想了想就掐断了这个念头1．使用叁轮车、电动自行车、轮胎和锥形筒、杂物等占用公共停车位