![\"\"](\"https:\/\/www.spotifyshare.com\/wp-content\/uploads\/2022\/12\/0f12132d-7649-4e8e-9da1-cd15eba4a42a_1923x1490-1024x793.jpg\")
<\/figure>\n\n\n\nPero \u00bfalguna vez te has preguntado c\u00f3mo? <\/p>\n\n\n\n
Quiero decir que probablemente lo hayas hecho porque es por eso que has hecho clic en esta publicaci\u00f3n. <\/p>\n\n\n\n
As\u00ed es como el sistema de recomendaci\u00f3n de Spotify se compone de tres algoritmos diferentes, lo que lo hace tres veces mejor que un algoritmo debido a las matem\u00e1ticas. <\/p>\n\n\n\n
Filtraci\u00f3n colaborativa<\/h4>\n\n\n\n
El primero de estos tres en realidad no tiene nada que ver con la m\u00fasica en s\u00ed y se llama filtrado colaborativo<\/strong>. Esta es b\u00e1sicamente 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 tel\u00e9fono a un volc\u00e1n.<\/p>\n\n\n\n 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 canci\u00f3n en la plataforma y registran la frecuencia con la que cada persona escucha cada canci\u00f3n. Esto simplifica un poco las cosas, pero esta Matriz les permite determinar objetivamente qu\u00e9 usuarios son m\u00e1s similares. <\/p>\n\n\n\n Si una fila toca todas las mismas columnas que otra fila, eso significa que esas dos personas est\u00e1n escuchando las mismas canciones. Y si una de esas filas tiene una columna activa que la otra no tiene, entonces, en teor\u00eda, ser\u00eda bueno recomendar esa canci\u00f3n. <\/p>\n\n\n\n B\u00e1sicamente, lo que digo es que si quieres arruinar el Spotify de una persona espec\u00edfica, 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 m\u00fasica y efectos de sonido libres de regal\u00edas. f\u00e1bricas setenta mil veces <\/p>\n\n\n\n Ahora Spotify no puede confiar completamente en el filtrado colaborativo. No es muy preciso, especialmente cuando se trata de los gustos musicales multifac\u00e9ticos de las personas y tiende a promocionar m\u00fasica 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 m\u00fasica es fuego caliente. <\/p>\n\n\n\n Ah\u00ed es donde entra en juego el siguiente algoritmo, el sistema de procesamiento de lenguaje natural de Spotify. <\/p>\n\n\n\n Ver\u00e1s, una de las mejores maneras de categorizar canciones es con palabras y resulta que Internet tiene un mont\u00f3n de ellas. <\/p>\n\n\n\n Spotify recopila constantemente texto asociado con sus canciones. Ver\u00e1 el texto en su propia plataforma, como t\u00edtulos de canciones, descripciones de listas de reproducci\u00f3n y letras, pero tambi\u00e9n extraer\u00e1 datos del resto de Internet. <\/p>\n\n\n\n Rese\u00f1as de canciones de Spotify, art\u00edculos de noticias, secciones de comentarios, lo que sea y todo esto se utiliza para crear un banco de palabras asociado para cada canci\u00f3n y artista en su plataforma. <\/p>\n\n\n\n Aqu\u00ed hay una de esas tablas generada por Echo Nest<\/strong>, la compa\u00f1\u00eda de datos musicales que Spotify compr\u00f3 en 2014 para la frase Abba.<\/p>\n\n\n\n Como puede ver, tiene las frases nominales m\u00e1s com\u00fanmente asociadas con Abba, as\u00ed como los adjetivos m\u00e1s utilizados para describir a Abba. <\/p>\n\n\n\n Usando esta tabla, puede darse cuenta de que a los fan\u00e1ticos de ABBA probablemente les gustar\u00e1n otras cosas que se describen con frecuencia con sueco alegre y no violento, como Greta tunberg o el tibur\u00f3n de peluche de IKEA que tiene su propio subreddit por alguna raz\u00f3n. <\/p>\n\n\n\n Pero en este punto probablemente has notado algo raro. Todos estos datos que usa Spotify, los adjetivos, los t\u00edtulos de las canciones, las frecuencias de escucha, ninguno de estos se recopila de la m\u00fasica en s\u00ed. <\/p>\n\n\n\n Entonces eso plantea la pregunta. \u00bfPuede Spotify realmente escuchar su propia m\u00fasica?<\/strong> Y la respuesta curiosamente es s\u00ed<\/strong>.<\/p>\n\n\n\n Aqu\u00ed es donde entra nuestro tercer algoritmo. <\/p>\n\n\n\n As\u00ed es como funcionan:<\/p>\n\n\n\n Para cada canci\u00f3n de la plataforma, Spotify genera algo llamado representaci\u00f3n de frecuencia de tiempo que se parece a esto. <\/p>\n\n\n\n Este eje es el tiempo que accede a la frecuencia y los colores m\u00e1s c\u00e1lidos significan niveles de decibelios m\u00e1s altos. Entonces, por ejemplo, exactamente a los 12 segundos de esta canci\u00f3n, estas son las frecuencias que est\u00e1n m\u00e1s presentes. <\/p>\n\n\n\n Luego, esta representaci\u00f3n se vuelca en una red neuronal. La red neuronal a\u00edsla todas las caracter\u00edsticas principales de la canci\u00f3n, como Ki, Tempo, Timber, volumen y comp\u00e1s, y compara estas cualidades individualmente con otras canciones que te gustan y otras canciones que no has escuchado. <\/p>\n\n\n\n Luego, junto con el sistema de filtrado colaborativo y el algoritmo de procesamiento de lenguaje natural, estos perfiles s\u00f3nicos se utilizan para perfeccionar con precisi\u00f3n las canciones que son ac\u00fasticamente lo suficientemente similares al tipo de m\u00fasica que ya escucha mientras experimenta con una o dos variables para evitar la presentaci\u00f3n. usted con algo demasiado rancio. <\/p>\n\n\n\n Y ah\u00ed lo tienes, as\u00ed es como gastar 11 mil millones de d\u00f3lares al a\u00f1o 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. <\/p>\n\n\n\n Ahora hay una gran variedad de sitios web para ver las estad\u00edsticas de Spotify<\/a><\/strong> en Internet y el famoso Spotify Wrapped<\/a><\/strong> tambi\u00e9n se basa en los datos recopilados por estos sistemas.<\/p>\n","protected":false},"excerpt":{"rendered":" Al momento de escribir esta publicaci\u00f3n, Spotify ha categorizado 5987 distintos g\u00e9neros de m\u00fasica. Un n\u00famero que seguramente ha aumentado en el momento en que est\u00e1s leyendo esto ahora, a menos que puedas nombrar los casi 6000 de ellos. Hay muchas posibilidades de que seas fan\u00e1tico de un g\u00e9nero del que ni siquiera […]<\/p>\n","protected":false},"author":1,"featured_media":4929,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[68],"tags":[],"class_list":["post-4988","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-conocimiento"],"yoast_head":"\n![\"\"](\"https:\/\/www.spotifyshare.com\/wp-content\/uploads\/2022\/12\/%E5%BE%AE%E4%BF%A1%E6%88%AA%E5%9B%BE_20221230173104-1024x576.png\")
<\/figure>\n\n\n\nSistema de procesamiento de lenguaje natural <\/h4>\n\n\n\n
![\"\"](\"https:\/\/www.spotifyshare.com\/wp-content\/uploads\/2022\/12\/%E5%BE%AE%E4%BF%A1%E6%88%AA%E5%9B%BE_20221230173224-1024x576.png\")
<\/figure>\n\n\n\nSpotify Perfiles de Sonic <\/h4>\n\n\n\n
![\"\"](\"https:\/\/www.spotifyshare.com\/wp-content\/uploads\/2022\/12\/%E5%BE%AE%E4%BF%A1%E6%88%AA%E5%9B%BE_20221230173414-1024x576.png\")
<\/figure>\n\n\n\n