KKBOX 歌單推薦的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列各種有用的問答集和懶人包

沒有人應該堅強一輩子

為了解決KKBOX 歌單推薦的問題，作者艾莉 這樣論述：

本書特色 　　艾莉堅定回歸，找回柔軟的自己！ 　　張手擁抱那些不安、無助、孤獨的心情， 　　一個喘息、一個逗號，都能讓暫時停下腳步的自己， 　　有了舉步踏前的力量。 　　艾莉首次為新書發『聲』，精選書中篇章片段，讓艾莉說故事給你聽 　　收錄51則關於自我追尋故事，關於「一個人」、「課題」、「愛情」、「運氣」、「自己」、「堅強」、「大人」等七種面向，希望不要再獨自逞強，偶爾的不堅強也很好。 　　『微』圖文書設計，宛如像走進大人式童畫書。 　　『微』有聲書形式，艾莉將會朗讀書中某些篇章，透過感性的聲線，建構出獨特的故事畫面，只要一掃書中QR Code，就能擁有不一樣的閱讀感受。 　　跨界合作

！KKBOX×艾莉，【沒有人應該堅強一輩子】精選歌單同步放送中！ 　　每道傷疤、每段過去 　　都是你人生的故事 　　這些曾經告訴了別人 　　你到過哪裡 　　發生過什麼。 　　我們都是孩子，只不過被逼著一夜長大。 　　明明對愛放不下手，也只能懂事離開； 　　想要維持表面和諧，釋出善良卻是一種過錯； 　　對於近在咫尺的幸福，就像得了強迫症而死命推開…… 　　想要獲得被重視，卻轉身走向普通人生。 　　矛盾一直在心中滋長， 　　大人與小孩在心中打架。 　　內心渴望與人連結，卻又莫名疏離， 　　與其成為這樣大人，不如像個孩子， 　　懂得不堅強的嚎啕大哭。 　　哭過後，將會明白── 　　沒有當

初的軟弱，今日的堅強就無所依附。 　　示弱，是我們極力掩蓋的秘密， 　　好似只要揭露一些，就會四分五裂。 　　在藏了那麼多年之後， 　　只希望在不是太打擾或麻煩了別人的時候， 　　能不能偶爾不堅強呢？ 　　親愛的 　　不堅強，不是示弱， 　　那是放下 【感動推薦】 　　蔡燦得／創作才女 　　陶晶瑩／姊妹淘總編輯 　　許皓宜／諮商心理師 　　阿飛／暢銷作家 　　────── 一起陪妳站在柔軟的位置 作者簡介 艾莉   　　幾年前因為陶子的邀約，跨足至兩性書寫的領域，擅長以冷調幽默的筆觸，又讓人不覺落淚的勵志描述，撫慰都會女子心靈。工作之餘，也是重度自助旅行上癮患者，與日本有難解的

緣分，一年三至四次，於公於私不計其數前仆後繼地前往，近年則是愛上歐洲高貴及海島放空路線。   　　「姊妹淘」網站超人氣駐站作家。現任媒體節目製作。 　　曾任無線台綜藝節目編劇、執行製作，從事媒體工作逾十年。 　　執筆多齣廣播劇、偶像劇電視小說、報章雜誌旅遊報導及樂評。   　　出版作品：《那些年，我們都學著自己長大》、《沒有你，到不了的地方》、《在最好的時候，遇見你》、《愛、不愛都有病》。 　　facebook：www.facebook.com/ally.talk 繪者簡介 詹筱帆 ChanHsiaoFan 　　畢業於國立台北藝術大學美術系，現為自由接案者，創作風格多元。 　　賣藝為生

，靠右手和眼睛吃飯。與你我他一樣，樂於當社會中的一顆小螺絲。 　　facebook：靠山 Chapter01一個人 一個人的日子過得再好，都不代表放棄了愛情。 01．放不下，才是愛 02．會沒事的，在不遠的將來 03．憑什麼一個人過日子 04．命中注定是可以造假的 05．單身是選擇 06．三高女的不安與焦慮 07．跟櫻花的約定 Chapter02課題 難搞，不過就是堅持原則。我們可以獨善自身但不得罪人，不見得就要暗自隱忍總是被人得罪。 01．不完美，就是妳最美的模樣 02．I Was Wrong About You 03．人生最倒楣的那一天 04．不要拿別人的錯誤來懲罰自己 05．被討厭

需要的是實力 06．過份的善良是一種罪過 07．道歉的勇氣 08．不要忘了曾經坐在那張椅子上的自己 Chapter03愛情 人生並不是不停的趕路，不必急著趕赴到自己設定好的目標。 沿途有些風景非得要等到你願意停下腳步來，才能夠看得見。 01．人生打了個叉 02．女人為什麼外遇？ 03．期待著怦然，卻等到了日常 04．有沒有可能比較幸福？ 05．非要歷經滄桑得到的，才是幸福嗎？ 06．不幸福強迫症 07．愛情裡最美的樣貌是從容 Chapter04運氣 你明白我有不能輕易放過自己的好強，我懂得你偶爾也想停下腳步休息， 我們在自己人生的道路上，以自己想要的速度前進，卻依然能攜手相伴。 01．人生

最後一場戀愛 02．在愛情中學會單身 03．愛上妳是失控的意外 04．老套戀愛情節之必要 05．赤名莉香的白色大衣 06．信號裡的曖昧信號 07．誰是你的不可或缺 08．談戀愛的好運氣 Chapter05自己 名片只是一張薄薄的紙，當你不在那個位置後，真正還看得到你的人有幾個？人生才是你一輩子的志業，而工作只是這份志業當中的一小部分。 01．名片只是一張薄薄的紙 02．自己就是自己的加害者 03．每一次的相遇都是久別重逢 04．有時候會忘記了，我還愛著你 05．理直氣壯地喜歡上自己 06．普通的人生 07．女人的蛋蛋危機 Chapter06堅強 人生說來也還算公平，在狠狠幫妳上過一課後，就

會給妳一些時間恢復勇敢。 但如果妳因為這樣就怕了、如果妳不讓自己再勇敢一次，那麼，曾經的痛就不值得了。 01．每個人都希望被找到 02．在，也不見 03．在沒有你的地方堅強 04．看起來堅強的人比較吃虧 05．鋼鐵人的玻璃心 06．終於落下的眼淚 07．人生本就該有千樣姿態 Chapter07大人 長成大人之後，我們太容易忘記痛就要說，流淚不可恥這樣簡單的事情。 01．什麼樣的謊言能夠被原諒？ 02．比起全壘打，更想要四壞球保送 03．只要我過得比你好 04．成為大人是怎麼一回事 05．做為一個大人要忍耐的事 06．世界上唯一重要的事情 07．最難的開口 作者序 11+11=堅強  

　　從小到大寫過了多少次「堅強」這個名詞， 　　你曾經算過它的筆畫嗎? 　　堅  11畫 　　強  11畫 　　1111 這四個數字組成了堅強 　　1111 看起來很脆弱 　　1111 也感覺很獨立 　　就像堅強這個詞 　　能脆弱時順勢讓自己找依靠 　　就可以在 　　該堅強時得以無所畏懼前進   　　我們都不是生來堅強 　　而是 　　在脆弱過後選擇了面對   艾莉 單身是選擇 「學會一個人過日子，才能好好期待遇見另一個人，一起好好過一輩子。然後，在他面前可以心安理得地成為自己、展現自己最原本的樣貌。」 因為喜歡一個人，所以自己一個人生活。 對妳來說，單身是選擇，不是不得已的無奈，更不是只好被

迫接受的現況。 難道不會寂寞嗎？                    一個人回到空空蕩蕩的家，難道心不會也空空蕩蕩的？家不是就應該熱熱鬧鬧地，有人歡迎著妳回來或擔心著妳怎麼還沒回來？ 其他人的以為，對妳來說卻不是這樣的。 對妳來說，家是舒舒服服的空間，大多數的時間應該是安靜的、大多數時候妳是不歡迎賓客的，妳就是這樣孤僻的傢伙。 家對妳來說，是可以真正放鬆、最做自己的地方。 家是專屬於妳的空間，除非是可以同樣讓妳放鬆的人，不然妳不想破壞這樣的舒適。獨自擁有這樣珍貴的空間，怎麼可能會覺得寂寞？ 妳並不是生來就選擇了單身，是這些年一個一個的選擇，在不知不覺中帶著自己走到了這條路上。 才十幾歲時的妳

連自己的模樣都還不太明白，總是輕易隨著身旁人的要求改變，賣力迎合著別人的希望直到累翻了自己，才發現一切太不值得。 妳當然談過戀愛而且還不只一次，妳試過的次數根本超乎旁人的以為。妳不懂，只是想跟另一個人好好的一起生活，為什麼到頭來卻搞到兩人都筋疲力盡？沒有人可以全身而退？ 分明是兩個好人，為什麼卻沒有談成一場夠好的戀愛？ 這樣的事情一度讓妳很困擾。 有一陣子妳迷失了方向，不懂得在愛情中要多努力、愛得多深刻，才能夠換到一輩子都有人陪？ 愛情這件事對妳來說，就像是被哈利波特的巫師朋友們下了魔咒的縮小鑰匙（Shrinking key），據說這樣的鑰匙會因為被施展了魔法，慢慢地縮小直到完全消失不見。 愛

情就跟被下了魔咒的鑰匙一樣，無聲無息消失了，妳翻來覆去地找、妳問過了幾萬次的為什麼？ 毫無蹤影、沒有答案。 妳甚至不知道自己到底少做、多做，或做錯了些什麼？ 怎麼一段感情可以這樣說不見就不見了？ 在妳還不曾擁有過的時候，並不明白孤單是什麼樣的感受。 當兩個人在一起卻再次落單了以後，妳才有了深切的體認。 每當假日到來，最難熬的是傍晚時分，五點多開始，社區內就會此起彼落傳來準備料理的聲響；接著過沒多久，家家戶戶就飄出了飯菜香。

KKBOX 歌單推薦進入發燒排行的影片

以使用者音樂聆聽記錄於音樂歌單推薦之研究

為了解決KKBOX 歌單推薦的問題，作者楊淳堯 這樣論述：

音樂歌單是由一組多首不同元素、風格的音樂所組成的，它包含了編輯者的個人品味以及因應主題、目的性產生而成。我們可以透過樂曲的律動、節奏、歌曲的主題精神，進而編輯一個相應契合的系列歌曲。當今的音樂收聽市場主要是在網路串流平台上進行隨時、隨地的聆聽，主要的平台有Spotify、Apple Music 以及KKBOX。各家業者不單只是提供使用者歌曲的搜索、單曲的聆聽，更提供訂閱專業歌單編輯者的歌單訂閱服務，甚至是讓一般的使用者參與歌單自訂編輯的過程。然而如何在有限的時間內針對使用者的聆聽習慣去介紹平台上豐富的音樂資源是個很大的挑戰。上述的過程我們稱之為推薦，而當前的音樂推薦研究大多是在對使用者進行相

關歌曲的推薦，鮮少能進一步在更抽象層次上的歌單上進行推薦。這邊我們就此一推薦應用提供嵌入式向量表示法學習模型，在有著使用者、歌曲、歌單的異質性社交網路上，對使用者進行歌單的推薦。為了能有效的學習出歌單推薦的模型，我們更將使用者、歌單和歌曲的異質性圖形重組成二分圖（bipartite graph）， 並在此圖形的邊上賦予不等的權重，此一權重是基於使用者隱式反饋獲得的。接著再透過隨機漫步（random walk），根據邊上的權值進行路徑的抽樣選取，最後再將路徑上經過的節點進行嵌入式向量表示法的學習。我們使用歐幾里德距離計算各節點表示法的鄰近關係，再將與使用者較為相關的歌單推薦給使用者。實驗驗證的部

分，我們蒐集KKBOX 兩年份的資料進行模型訓練並進行推薦，並將推薦的結果與使用者所喜愛的歌單進行準確度（Precision）評估， 結果證實所得到的推薦效果較一般熱門歌單的推薦來的好，且為更具個人化的歌單推薦。