Zum Zeitpunkt der Erstellung dieses Beitrags hat Spotify 5987 verschiedene Musikgenres kategorisiert.
Eine Zahl die sich bis zu dem Zeitpunkt, an dem Sie dies jetzt lesen, mit ziemlicher Sicherheit erhöht hat, es sei denn, Sie können alle fast 6 000 nennen.
Es besteht eine ziemlich gute Chance, dass Sie ein Fan eines Genres sind, von dem Sie noch nicht einmal gehört haben. Vielleicht magst du Gothabili, Neurostep oder Blackened Death Core. Du könntest ein Hörer von Baps, Bebop oder Funk sein. Aber die Tatsache ist, dass du es nicht tust wirklich genau wissen müssen, welche Art von Musik du magst, weil Spotify bereits das alles herausgefunden hat.
Jede Woche kann jeder Benutzer eine Wiedergabeliste mit 30 Liedern auf den genauen Musikgeschmack dieser Person zuschneiden, die von den beliebtesten Künstlern der Welt bis zu den meisten Nischen Indie-Produktionen auf der Plattform reicht.
Aber Haben Sie sich jemals gefragt, wie?
Ich meine, das hast du wahrscheinlich, weil du deshalb auf diesen Beitrag geklickt hast.
So setzt sich Spotifys Empfehlungssystem aus drei verschiedenen Algorithmen zusammen, was es aufgrund der Mathematik dreimal besser als einen Algorithmus macht.
Kollaboratives Filtern
Das erste dieser drei hat eigentlich nichts mit der Musik selbst zu tun und heißt kollaboratives Filtern. Auf diese Weise empfiehlt Netflix im Grunde neue Shows, indem es eine Endbenutzer-Lizenzvereinbarung mit 6000 Wörtern schreibt, die ihnen die Erlaubnis gibt, alles aufzuzeichnen, was Sie tun, bis Sie sterben oder Ihr Telefon in einen Vulkan werfen.
Sie befinden sich in Spotifys riesigem Matrix-Raum und haben eine riesige Matrix gespeichert. Es sind ungefähr 433 Millionen Zeilen mal 80 Millionen Spalten, die jeden einzelnen Benutzer und jeden einzelnen Song auf der Plattform indizieren und aufzeichnen, wie oft jede Person hört jedem Lied zu. Das vereinfacht die Dinge ein bisschen, aber diese Matrix ermöglicht es ihnen, objektiv zu bestimmen, welche Benutzer sich am ähnlichsten sind.
Wenn eine Zeile alle die gleichen Spalten wie eine andere Zeile trifft, bedeutet das , dass diese beiden Personen die gleichen Songs hören. Und wenn eine dieser Zeilen eine aktive Spalte hat, die die andere nicht tut. nicht, dann wäre dieser Song theoretisch gut zu empfehlen.
Was ich damit sagen will, ist, wenn Sie das Spotify einer bestimmten Person ruinieren wollen, müssen Sie nur ein neues Konto erstellen, all ihre Lieblingslieder anhören und dann Tornadosirenen hören Effekte von GEMA-freier Musik und Sound Effektfabriken siebzigtausend Mal
Jetzt kann Spotify sich nicht vollständig auf kollaboratives Filtern verlassen. Es ist nicht sehr genau, besonders wenn es um die facettenreichen Musikgeschmäcker der Menschen geht, und es neigt dazu, allgemein populäre Musik zu fördern, während es Dinge verbrennt, die nicht über eine Menge Hördaten verfügen arbeiten mit, wie dem gleichen von Wendovers alten Jamboree-Band, auch wenn ihre Musik heißes Feuer ist.
Natürliches Sprachverarbeitungssystem
Hier kommt der nächste Algorithmus ins Spiel, Spotifys natürliches Sprachverarbeitungssystem.
Sehen Sie, eineder besten Art, Songs zu kategorisieren, ist mit Worten, und es stellt sich heraus, dass das Internet eine ganze Menge davon hat.
Spotify sammelt ständig Text zu seinen Songs. Es wird sich Text auf seiner eigenen Plattform Lieder Titel, Playlist-Beschreibungen und Songtexte ansehen, aber es wird auch Daten aus dem Rest des Internets abrufen.
Spotify kratzt Song-Rezensionen, Nachrichtenartikel, Kommentarbereiche, wie Sie es nennen, und all dies fließt in den Aufbau einer zugeordneten Wortdatenbank für jeden Song und Künstler auf seiner Plattform ein.
Hier ist eine solche Tabelle, die von Echo Nest erstellt wurde, dem Musikdatenunternehmen, das Spotify 2014 für den Ausdruck Abba gekauft hat.
Wie Sie sehen können, enthält es die Nominalphrasen, die am am häufigsten mit Abba in Verbindung gebracht werden, sowie die Adjektive, die am häufigsten verwendet werden, wenn Abba beschrieben wird.
Anhand dieser Tabelle können Sie einsehen, dass ABBA-Fans wahrscheinlich andere Dinge mögen werden, die häufig mit frechen, gewaltlosen und Schweden beschrieben werden, wie Greta Tunberg oder IKEA-Stoffhai, der einen eigenen Subreddit für hat irgendein Grund.
Aber an dieser Stelle ist Ihnen wahrscheinlich etwas Seltsames aufgefallen. All diese Daten die ein Spotify nutzt, die Adjektive, die Songtitel, die Hörfrequenzen, keines davon wird aus der Musik selbst gewonnen.
Das wirft also die Frage auf. Kann Spotify eigentlich seine eigene Musik hören? Und die Antwort ist interessanterweise ja.
Hier kommt unser dritter Algorithmus ins Spiel.
Spotify Sonic-Profile
So funktionieren sie:
Für jedes Lied der Plattform Spotify erzeugt eine sogenannte Zeit-Frequenz-Darstellung, die etwa so aussieht.
Diese Achse ist die Zeit dies greift auf die Frequenz zu und wärmere Farben bedeuten lautere Dezibelpegel. Also zum Beispiel bei genau 12 Sekunden in diesem Song dies sind die Frequenzen, die am präsentesten sind.
Diese Darstellung wird dann in ein neuronales Netzwerk geleitet. Das neuronale Netzwerk isoliert alle wichtigen Merkmale des Songs Zeugs wie Ki, Tempo Timber Lautheit und Taktart und vergleicht diese Qualitäten individuell mit anderen Songs, die Ihnen gefallen und andere Lieder, die Sie noch nicht gehört haben.
Zusammen mit dem kollaborativen Filtersystem und dem Verarbeitungsalgorithmus für natürliche Sprache werden diese Sonic Profile dann verwendet, um Songs, die akustisch ähnlich genug zu der Art von Musik sind, die Sie bereits hören, genau zu verfeinern während Sie auch mit einer oder zwei Variablen experimentieren, um zu vermeiden, Ihnen etwas zu Altbackenes zu präsentieren.
Und siehe da Sie gehen so geben Sie 11 Milliarden Dollar pro Jahr aus, um Menschen davon zu überzeugen, nicht nur die gleichen drei Taylor Swift-Songs auf Read Peed für den Rest ihres Lebens zu hören.
Inzwischen gibt es im Internet eine Vielzahl von Websites zum Anzeigen von Spotify-Statistiken, und auch das berühmte Spotify Wrapped basiert auf den von diesen Systemen gesammelten Daten.
Schreibe einen Kommentar