Al momento de escribir esta publicación, Spotify ha categorizado 5987 distintos géneros de música.
Un número que seguramente ha aumentado en el momento en que estás leyendo esto ahora, a menos que puedas nombrar los casi 6000 de ellos.
Hay muchas posibilidades de que seas fanático de un género del que ni siquiera has oído hablar. Tal vez disfrutes de gothabili, neurostep o blackened death core. Podrías ser un oyente de baps, Bebop o Funk. Pero el hecho es que realmente no necesitas saber exactamente qué tipo de música te gusta, porque Spotify ya lo tiene todo resuelto.
Cada semana, para cada usuario, pueden adaptar una lista de reproducción de 30 canciones a los gustos musicales exactos de esa persona, que van desde los artistas más populares del mundo hasta las producciones independientes más especializadas en la plataforma.
Pero ¿alguna vez te has preguntado cómo?
Quiero decir que probablemente lo hayas hecho porque es por eso que has hecho clic en esta publicación.
Así es como el sistema de recomendación de Spotify se compone de tres algoritmos diferentes, lo que lo hace tres veces mejor que un algoritmo debido a las matemáticas.
Filtración colaborativa
El primero de estos tres en realidad no tiene nada que ver con la música en sí y se llama filtrado colaborativo. Esta es básicamente la forma en que Netflix recomienda nuevos programas al escribir un acuerdo de licencia de usuario final de 6000 palabras que les da permiso para grabar todo lo que haces hasta que mueras o arrojes tu teléfono a un volcán.
Ubicados en la sala Matrix gigante de Spotify, han almacenado una matriz gigante. Son aproximadamente 433 millones de filas por 80 millones de columnas que indexan a cada usuario y cada canción en la plataforma y registran la frecuencia con la que cada persona escucha cada canción. Esto simplifica un poco las cosas, pero esta Matriz les permite determinar objetivamente qué usuarios son más similares.
Si una fila toca todas las mismas columnas que otra fila, eso significa que esas dos personas están escuchando las mismas canciones. Y si una de esas filas tiene una columna activa que la otra no tiene, entonces, en teoría, sería bueno recomendar esa canción.
Básicamente, lo que digo es que si quieres arruinar el Spotify de una persona específica, todo lo que tienes que hacer es crear una nueva cuenta, escuchar todas sus canciones favoritas y luego escuchar los efectos de sonido de la sirena del tornado con música y efectos de sonido libres de regalías. fábricas setenta mil veces
Ahora Spotify no puede confiar completamente en el filtrado colaborativo. No es muy preciso, especialmente cuando se trata de los gustos musicales multifacéticos de las personas y tiende a promocionar música generalmente popular mientras graba cosas que no tienen una tonelada de datos de escucha con los que trabajar, como el antiguo Jamboree de Wendover. banda incluso si su música es fuego caliente.
Sistema de procesamiento de lenguaje natural
Ahí es donde entra en juego el siguiente algoritmo, el sistema de procesamiento de lenguaje natural de Spotify.
Verás, una de las mejores maneras de categorizar canciones es con palabras y resulta que Internet tiene un montón de ellas.
Spotify recopila constantemente texto asociado con sus canciones. Verá el texto en su propia plataforma, como títulos de canciones, descripciones de listas de reproducción y letras, pero también extraerá datos del resto de Internet.
Reseñas de canciones de Spotify, artículos de noticias, secciones de comentarios, lo que sea y todo esto se utiliza para crear un banco de palabras asociado para cada canción y artista en su plataforma.
Aquí hay una de esas tablas generada por Echo Nest, la compañía de datos musicales que Spotify compró en 2014 para la frase Abba.
Como puede ver, tiene las frases nominales más comúnmente asociadas con Abba, así como los adjetivos más utilizados para describir a Abba.
Usando esta tabla, puede darse cuenta de que a los fanáticos de ABBA probablemente les gustarán otras cosas que se describen con frecuencia con sueco alegre y no violento, como Greta tunberg o el tiburón de peluche de IKEA que tiene su propio subreddit por alguna razón.
Pero en este punto probablemente has notado algo raro. Todos estos datos que usa Spotify, los adjetivos, los títulos de las canciones, las frecuencias de escucha, ninguno de estos se recopila de la música en sí.
Entonces eso plantea la pregunta. ¿Puede Spotify realmente escuchar su propia música? Y la respuesta curiosamente es sí.
Aquí es donde entra nuestro tercer algoritmo.
Spotify Perfiles de Sonic
Así es como funcionan:
Para cada canción de la plataforma, Spotify genera algo llamado representación de frecuencia de tiempo que se parece a esto.
Este eje es el tiempo que accede a la frecuencia y los colores más cálidos significan niveles de decibelios más altos. Entonces, por ejemplo, exactamente a los 12 segundos de esta canción, estas son las frecuencias que están más presentes.
Luego, esta representación se vuelca en una red neuronal. La red neuronal aísla todas las características principales de la canción, como Ki, Tempo, Timber, volumen y compás, y compara estas cualidades individualmente con otras canciones que te gustan y otras canciones que no has escuchado.
Luego, junto con el sistema de filtrado colaborativo y el algoritmo de procesamiento de lenguaje natural, estos perfiles sónicos se utilizan para perfeccionar con precisión las canciones que son acústicamente lo suficientemente similares al tipo de música que ya escucha mientras experimenta con una o dos variables para evitar la presentación. usted con algo demasiado rancio.
Y ahí lo tienes, así es como gastar 11 mil millones de dólares al año para convencer a la gente de que no solo escuche las mismas tres canciones de Taylor Swift en modo lectura por el resto de su vida.
Ahora hay una gran variedad de sitios web para ver las estadísticas de Spotify en Internet y el famoso Spotify Wrapped también se basa en los datos recopilados por estos sistemas.
Deja una respuesta