![\"\"](\"https:\/\/www.spotifyshare.com\/wp-content\/uploads\/2022\/12\/0f12132d-7649-4e8e-9da1-cd15eba4a42a_1923x1490-1024x793.jpg\")
<\/figure>\n\n\n\nMa vi siete mai chiesti come? <\/p>\n\n\n\n
Voglio dire, probabilmente l’hai fatto perch\u00e9 \u00e8 per questo che hai fatto clic su questo post. <\/p>\n\n\n\n
Quindi, ecco come il sistema di raccomandazione di Spotify \u00e8 composto da tre diversi algoritmi che lo rendono tre volte migliore di un algoritmo a causa della matematica. <\/p>\n\n\n\n
Filtraggio collaborativo<\/h4>\n\n\n\n
Il primo di questi tre in realt\u00e0 non ha nulla a che fare con la musica stessa e si chiama filtraggio collaborativo<\/strong>. Questo \u00e8 fondamentalmente il modo in cui Netflix consiglia nuovi spettacoli scrivendo un contratto di licenza per l’utente finale di 6000 parole che d\u00e0 loro il permesso di registrare tutto ci\u00f2 che fai fino alla morte o gettare il telefono in un vulcano.<\/p>\n\n\n\n Situato nella stanza gigante Matrix di Spotify, hanno memorizzato una matrice gigante. Sonocirca 433 milioni di righe per 80 milionicolonne che indicizzano ogni singolo utente e ogni singolo brano sulla piattaforma eregistrano la frequenza con cui ogni persona ascolta ogni canzone. Questo sta semplificando un po’ le cose ma questa Matrice consente loro di determinare oggettivamente quali utenti sono pi\u00f9 simili. <\/p>\n\n\n\n Se una riga colpisce tutte le stesse colonne di un’altra riga, significa che quelle due persone stanno ascoltando le stesse canzoni. E se una di quelle righe ha una colonna attiva che l’altra non non ce l’ho, allora quella canzone teoricamente sarebbe buona da consigliare. <\/p>\n\n\n\n Fondamentalmente quello che sto dicendo \u00e8 che se vuoi rovinare lo Spotify di una persona specifica, tutto devi creare un nuovo account, ascoltare tutte le sue canzoni preferite e poi ascoltare il suono della sirena del tornado effetti di musica e suoni royalty-free fabbriche di effetti settantamila volte <\/p>\n\n\n\n Ora Spotify non pu\u00f2 fare affidamento interamente su filtri collaborativi. Non \u00e8 molto preciso soprattutto quando si tratta dei gusti musicali sfaccettati delle persone e tende a promuovere solo musica generalmente popolare mentre brucia cose chenon hanno un sacco di dati di ascolto perfunzionare con, come lo stesso della vecchia band Jamboree di Wendover, anche se la loro musica \u00e8 un fuoco ardente. <\/p>\n\n\n\n \u00c8 qui che entra in gioco il prossimo algoritmo, il sistema di elaborazione del linguaggio naturale di Spotify. <\/p>\n\n\n\n Vedi, uno dei modi migliori per classificare le canzoni \u00e8 con le parole e si scopre che Internet ne ha un sacco. <\/p>\n\n\n\n Spotify raccoglie costantemente testo associato alle sue canzoni. Esaminer\u00e0 il testo sulla propria piattaforma, come i titoli delle canzoni, le descrizioni delle playlist e i testima estrarr\u00e0 anche i dati dal resto di Internet. <\/p>\n\n\n\n Spotify scrape song recensioni, articoli di notizie, sezioni di commenti, gli dai un nome e tutto questo va a costruire una banca di parole associata per ogni canzone e artista sulla sua piattaforma. <\/p>\n\n\n\n Ecco una di queste tabelle generate da Echo Nest<\/strong>, la societ\u00e0 di dati musicali che Spotify ha acquistato nel 2014 per la frase Abba.<\/p>\n\n\n\n Come puoi vedere, ha le frasi nominali pi\u00f9 comunemente associate ad Abba cos\u00ec come gli aggettivi pi\u00f9 comunemente usati quando descrivono Abba. <\/p>\n\n\n\n Usando questa tabella puoi scoprire che i fan degli ABBA probabilmente apprezzeranno altre cose che sono spesso descritte con vivace non violento e svedese come Greta Tunberg o lo squalo imbottito IKEA che ha il suo subreddit per qualche ragione. <\/p>\n\n\n\n Ma a questo punto probabilmente hai notato qualcosa di strano. Tutti questi dati utilizzati da Spotify, gli aggettivi, i titoli delle canzoni, lefrequenze di ascolto, nessuna di questeviene raccolta dalla musica stessa. <\/p>\n\n\n\n Quindi questo solleva la domanda. Spotify pu\u00f2 effettivamente ascoltare la propria musica?<\/strong> E la risposta \u00e8 interessante \u00e8 s\u00ec<\/strong>.<\/p>\n\n\n\n \u00c8 qui che entra in gioco il nostro terzo algoritmo. <\/p>\n\n\n\n Ecco come funzionano:<\/p>\n\n\n\n Per ogni brano della piattaforma, Spotifygenera qualcosa chiamato rappresentazione di frequenza del tempo che assomigliaa questo. <\/p>\n\n\n\n Questo asse \u00e8 il tempo questo accede alla frequenza ecolori pi\u00f9 caldisignificano livelli di decibel pi\u00f9 alti. Quindiper esattamente a 12 secondi dall’inizio di questa canzone, queste sono le frequenze pi\u00f9 presenti. <\/p>\n\n\n\n Questa rappresentazione viene quindi scaricata in una rete neurale. La rete neurale isola tutte le principalicaratteristiche della canzone, cose come Ki, Tempo, Timber, loudness e tempo in chiave e confronta queste qualit\u00e0 individualmente con altre canzoni che ti piacciono e altre canzoni che non hai sentito. <\/p>\n\n\n\n Quindi, in tandem con il sistema collaborativo di filtraggio e l’algoritmo di elaborazione del linguaggio naturale, questi profili Sonic vengono utilizzati per affinare con precisione canzoni che sono acusticamente simili abbastanza al tipo di musica che gi\u00e0 ascolti a sperimentando anche una o due variabili per evitare di presentarti qualcosa di troppo stantio. <\/p>\n\n\n\n Ed ecco come spendere 11 miliardi di dollari all’anno per convincere le persone a non ascoltare le stesse tre canzoni di Taylor Swift per il resto della loro vita. <\/p>\n\n\n\n Ora ci sono un’ampia variet\u00e0 di siti Web per visualizzare le statistiche di Spotify<\/a><\/strong> su Internet e anche il famoso Spotify Wrapped<\/a><\/strong> si basa sui dati raccolti da questi sistemi.<\/p>\n","protected":false},"excerpt":{"rendered":" Al momento della stesura di questo post, Spotify ha classificato 5987 generi distinti di musica. Un numero che \u00e8 quasi certamente aumentato di il tempo in cui stai leggendo questo ora, a meno che puoi nominarne quasi 6000 tutti. Ci sono buone possibilit\u00e0 che tu sia un fan di un genere di cui non hai […]<\/p>\n","protected":false},"author":1,"featured_media":4924,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[145],"tags":[],"class_list":["post-4982","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-conoscenza"],"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 di elaborazione del linguaggio naturale <\/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 Profili sonori <\/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