我们有一个用户，拥有100首歌曲的音乐库。在他爱的20个人中，他恨10个人，还有5个人他既不恨也不爱。他从来没有听过剩下的65个。
问题：使用什么样的算法来扫描剩余的65首歌曲并找出用户喜欢的音乐？
对一种名为MusicIP的产品进行一些研究，它有一些非常聪明的算法指纹技术。它将曲目转换为WAV，然后创建指纹，然后用一些巧妙的魔法来匹配相似的歌曲。
要向用户推荐新的不熟悉内容，通常的方法是使用机器学习，特别是协同过滤，这通常用于推荐系统。这个想法是利用人群的知识，找到与你有相似品味的人(或团体(，并推荐他们喜欢的新物品。
另一种选择是为喜欢/不喜欢创建一个分类算法，但这可能需要从每首歌中提取描述问题本质的特征，这通常一点也不简单。
你可能想尝试的一些分类算法有SVM、朴素贝叶斯、神经网络、决策树等等。正如我所提到的，真正的挑战是找到适合这个问题的功能。