Au moment de la rédaction de cet article, Spotify a classé5987 genres de musique distincts.
Un nombre qui a presque certainement augmentéau moment où vous lisez ceci, à moins que vous ne puissiez en citer près de 6 000.
Il y a de fortes chances que vous soyez fan d’un genre dont vous n’avez même pas entendu parler. Peut-être que vous aimez gothabili, neurostep ou blackened death core. Vous pourriez être un auditeur de baps, Bebop ou Funk. Mais le fait est que vous ne le faites pas vraiment besoin de savoir exactement quel genre de musique vous aimez, parce que Spotify vous a déjà tout compris.
Chaque semaine, pour chaque utilisateur, ils peuvent personnaliser une liste de lecture de 30chansons en fonction des goûts musicaux exactsde cette personne, allant des artistesles plus populaires au monde aux productions les plus spécialiséesIndie sur le Plate-forme.
Mais vous êtes-vous déjà demandé comment ?
Je veux dire que vous avez probablement parce que c’est pourquoi vous avez cliqué sur ce post.
Voici donc comment le système de recommandation de Spotify est composé de trois algorithmes différents, ce qui le rend trois fois meilleur qu’un algorithme grâce aux mathématiques.
Filtrage collaboratif
Le premier de ces trois n’a en fait rien à voir avec la musique elle-même et s’appelle le filtrage collaboratif. C’est essentiellement la façon dont Netflix recommande de nouvelles émissions en rédigeant un contrat de licence d’utilisateur final de 6000 mots qui leur donne la permission d’enregistrer tout ce que vous faites jusqu’à ce que vous mouriez ou jetiez votre téléphone dans un volcan.
Situés dans la salle Matrix géante de Spotify, ils ont stocké une matrice géante. C’estenviron 433 millions de lignes sur 80 millions de colonnes indexant chaque utilisateur et chaque chanson sur la plateforme et enregistrant la fréquence à laquelle chaque personne écoute chaque chanson. Cela simplifie un peu les choses mais cette Matrice leur permet de déterminer objectivement quels utilisateurs sont les plus similaires.
Si une ligne touche toutes les mêmes colonnes qu’une autre ligne cela signifie que ces deux personnes écoutent les mêmes chansons. Et si l’une de ces lignes a une colonne active que l’autre ne ‘t have, alors cette chanson serait théoriquement bonne à recommander.
Fondamentalement, ce que je dis, c’est que si vous voulez ruiner le Spotify d’une personne en particulier, tout vous avez à faire est de créer un nouveau compte, d’écouter toutes leurs chansons préférées et ensuite écouter les effets sonores de sirène de tornade par Royalty -musique et son gratuits usines à effets soixante-dix mille fois
Désormais, Spotify ne peut plus compter entièrement sur le filtrage collaboratif . Ce n’est pas très précis, surtout quand il s’agit des goûts musicaux à multiples facettes des gens et il a tendance à simplement promouvoir la musique généralement populaire tout en brûlant des choses qui n’ont pas une tonne de données d’écoute pour travailler avec , comme la même chose du vieux groupe du Jamboree de wendover même si leur musique est un feu brûlant.
Système de traitement du langage naturel
C’est là qu’intervient le prochain algorithme, le système de traitement du langage naturelde Spotify.
Vous voyez, l’une des meilleures façons de catégoriser les chansons est avec des mots et il s’avère que le internet en a tout un tas.
Spotify rassemble constamment du texteassocié à ses chansons. Il regardera le texte sur sa propre plate-forme, comme la chanson les titres, les descriptions et les paroles de la liste de lecture mais il extraira également les données du reste d’Internet.
Spotify scrape song critiques, articles d’actualités, sections de commentaires, etc.et tout cela va dans construire une banque de mots associée pour chaque chanson et artiste sur sa plateforme.
Voici un de ces tableaux généré par Echo Nest, la société de données musicales que Spotify a achetée en 2014 pour la phrase Abba.
Comme vous pouvez le voir, il contient les phrases nominales les plus couramment associées à Abba ainsi que les adjectifs les plus couramment utilisés pour décrire Abba.
En utilisant ce tableau, vous pouvez dedans que les fans d’ABBA aimeront probablement d’autres choses qui sont fréquemment décrites avec des suédois non violents et comme Greta tunberg ou IKEA peluche requin qui a son propre subreddit pour quelque raison.
Mais à ce stade, vous avez probablement remarqué quelque chose de bizarre. Toutes ces données qu’un Spotify utilise, les adjectifs, les titres de chansons, les fréquences d’écoute , aucune de celles-ci n’est recueillie à partir de la musique elle-même.
Cela pose donc la question. Spotify peut-il réellement écouter sa propre musique ? Et la réponse intéressante est oui.
C’est où notre troisième algorithme entre en jeu.
Profils Spotify Sonic
Voici comment ils fonctionnent :
Pour chaque chanson de la plate-forme, Spotify génère quelque chose appelé une représentation temporelle fréquence qui ressemble à quelque chose comme ça.
Cet axe est le temps cela accède à la fréquence et les couleurs plus chaudes signifient des niveaux de décibels plus forts. Donc pour exemple à exactement 12 secondes dans cette chanson, ce sont les fréquences qui sont les plus présentes.
Cette représentation est ensuite déversée dans un réseau de neurones. Le réseau neuronalisole toutes les principales caractéristiques de la chanson, des trucs comme le Ki, le Tempo, Timber, l’intensité et la signature rythmique et compare ces qualités individuellement avec d’autres chansons que vous aimez et d’autres chansons que vous n’avez pas entendues.
Ensuite, en tandem avec le système de filtrage collaboratif et l’algorithme de traitement du langage naturel , ces profils Sonic sont utilisés pour affiner précisément les chansons qui sont acoustiquement similaires au genre de musique que vous écoutez déjà tout en également expérimenter avec une ou deux variables pour éviter de vous présenter avec quelque chose de trop périmé.
Et voilà, voilà comment dépenser 11 milliards de dollars par an pour convaincre les gens de ne pas simplement écouter les trois mêmes chansons de Taylor Swift en lecture pour le reste de leur vie.
Désormais, il existe une grande variété de sites Web permettant de consulter les statistiques Spotify sur Internet et le célèbre Spotify Wrapped est également basé sur les données collectées par ces systèmes.
Laisser un commentaire