来到微软亚洲研究院不知不觉已近两个月，大家都在慢慢适应这紧凑的研究氛围，常听师兄提及的高级软件工程(ASE)也如期开始。上周课后我们完成了组队，而经过初步的调研与思考，我推荐“基于社交网络的自动音乐推荐系统”作为我们团队项目的题目。
音乐是我们生活中重要的一部分，工作中，我们可能需要轻音乐让自己静下心来保持专注；下班后，我们可能需要舒缓的音乐全方位的放松身心。开心时，我们乐于听到一些欢快的乐曲；悲伤时，我们可能需要一些悲伤之音宣泄自己；低潮时，我们想用激昂的声音振奋自己。可见，一个人所处的状态和习惯在很大程度上影响对音乐的需求，这使得大多音乐播放器一成不变的favorite list功能无法满足用户的要求，而导致用户自身调节favorite list可能会很频繁，十分影响体验，基于这一问题，设计一个比较好的自动音乐推荐系统成为了我的关注点。
项目分析：由于离线的音乐有限，在离线的设备上进行自动音乐推荐选择余地有限，可以掌握的信息也有限，难以实现，故把目标瞄准在线。由于个人的音乐播放习惯需要学习，而社交网络的状态与人的状态关系密切，故自然而然地想到将社交网络的信息作为其训练集及先验知识，基于此推荐音乐。以下根据NABC分析的方式具体讨论。
Need：根据之前的说明，播放列表的个人定制几乎所有在线音乐播放器都有支持，但是进行自动的音乐推荐的很少，基本上是用户自己标注喜爱等等Tag，而解决不同情况下的喜好不同这一问题的几乎没有。然而事实上每个人对音乐的喜好和状态息息相关。播放器不太好的推荐会极大影响用户的心情，往往使听音乐成为适得其反的活动，而用户得不到消遣的感觉，对播放器也会降低好感，所以解决这一问题十分有必要；这样的播放系统受众很广，有很明确的市场需求。
Approach：总的来看，这个项目涉及以下几个方面：
1.社交网络信息的抓取与分析；
2.机器学习获得对用户状态进行准确分类；
3.结合用户状态及其他信息（如是否工作时间）选择某一类型的音乐并根据以往的用户行为进行评分，按照评分进行推荐；
4.播放推荐的音乐，UI的设计等。
基本上包含了各方面的内容，工作量足够，也可以在各方面得到锻炼，易于分工，可以达到课程的需求。
Benefits：节省用户的时间，符合用户的口味，能够让用户得到良好的听歌体验，帮助用户有良好的状态，激发音乐最大的裨益；另一方面与社交网络的结合时次项目有足够的可行性。
Competition：由于几乎还没有这样的音乐推荐系统，所以竞争力自不必说，社交网络的内容也不是那么私密，收集数据应当不会受到用户的抵触，如果从效率和效果上都表现不俗，则毫无疑问会受到欢迎。
综上，我认为“基于社交网络的自动音乐推荐系统”具有作为我们团队项目题目的必备条件，所以我推荐该题目。当然团队最后的定题还需要组内的进一步讨论和调研。