W momencie pisania tego posta Spotify skategoryzowało 5987 różnych gatunków muzycznych.
Liczba, która prawie na pewno wzrosła o czas, w którym to czytasz, chyba że jesteś w stanie wymienić prawie 6000 z nich.
Istnieje spora szansa, że jesteś fanem gatunku, o którym nawet nie słyszałeś. Być może lubisz gothabili, neurostep lub blackened death core. Możesz być słuchaczem bapsów, bebopu czy funku. Ale faktem jest, że tak naprawdę nie musisz dokładnie wiedzieć, jaki rodzaj muzyki lubisz, ponieważ Spotify już wszystko rozgryzł.
Co tydzień dla każdego użytkownika mogą dostosować listę odtwarzania z 30 utworami do jego gustów muzycznych, od najpopularniejszych artystów na świecie po najbardziej niszowe produkcje niezależne na platformie.
Ale czy zastanawiałeś się kiedyś jak?
To znaczy prawdopodobnie tak, ponieważ właśnie dlatego kliknąłeś ten post.
Oto jak system rekomendacji Spotify składa się z trzech różnych algorytmów, co czyni go trzy razy lepszym niż jeden algorytm ze względu na matematykę.
Filtrowanie zespołowe
Pierwszy z tych trzech w rzeczywistości nie ma nic wspólnego z samą muzyką i nazywa się filtrowaniem opartym na współpracy. Zasadniczo jest to sposób, w jaki Netflix zaleca nowe programy, pisząc umowę licencyjną użytkownika końcowego na 6000 słów, która daje im pozwolenie na nagrywanie wszystkiego, co robisz, aż do śmierci lub wrzucenia telefonu do wulkanu.
Znajdujące się w gigantycznym pokoju Matrix w Spotify przechowują gigantyczną macierz. Ma ona około 433 milionów wierszy na 80 milionów kolumn indeksujących każdego użytkownika i każdą pojedynczą piosenkę na platformie oraz rejestrującą częstotliwość każda osoba słucha każdej piosenki. To trochę upraszcza sprawę, ale ta Matryca pozwala im obiektywnie określić, którzy użytkownicy są najbardziej podobni.
Jeśli jeden rząd uderza we wszystkie te same kolumny co inny rząd, oznacza to, że te dwie osoby słuchają tych samych piosenek. A jeśli jeden z tych wierszy ma aktywną kolumnę, której nie ma drugi, to teoretycznie warto polecić tę piosenkę.
Zasadniczo mówię, że jeśli chcesz zrujnować Spotify konkretnej osoby, wszystko, co musisz zrobić, to założyć nowe konto, posłuchać wszystkich jej ulubionych piosenek, a następnie posłuchać efektów dźwiękowych syreny tornado, muzyki i efektów dźwiękowych bez tantiem fabryki siedemdziesiąt tysięcy razy
Teraz Spotify nie może całkowicie polegać na filtrowaniu opartym na współpracy. Nie jest to zbyt dokładne, zwłaszcza jeśli chodzi o wieloaspektowe gusta muzyczne ludzi i ma tendencję do promowania ogólnie popularnej muzyki podczas nagrywania rzeczy, które nie mają mnóstwa danych odsłuchowych do pracy, na przykład to samo z dawnego Jamboree Wendover zespół, nawet jeśli ich muzyka jest gorącym ogniem.
System przetwarzania języka naturalnego
I tu pojawia się następny algorytm, system przetwarzania języka naturalnego Spotify.
Widzisz, jednym z najlepszych sposobów kategoryzowania piosenek są słowa, a okazuje się, że w Internecie jest ich cała masa.
Spotify nieustannie zbiera teksty związane z jego piosenkami. Przyjrzy się tekstowi na własnej platformie, na przykład tytułom piosenek, opisom list odtwarzania i tekstom, ale będzie także pobierać dane z reszty Internetu.
Spotify zbiera recenzje piosenek, artykuły z wiadomościami, sekcje komentarzy, co tylko chcesz, a wszystko to składa się na zbudowanie powiązanego banku słów dla każdej piosenki i artysty na swojej platformie.
Oto jedna z takich tabel wygenerowana przez Echo Nest, firmę zajmującą się danymi muzycznymi, którą Spotify kupiło w 2014 roku dla frazy Abba.
Jak widać, zawiera zwroty rzeczownikowe najczęściej kojarzone z Abba, a także przymiotniki najczęściej używane przy opisywaniu Abby.
Korzystając z tej tabeli, możesz stwierdzić, że fanom zespołu ABBA spodobają się prawdopodobnie inne rzeczy, które często opisywane są jako radosne, pozbawione przemocy i szwedzkie, takie jak Greta Tunberg lub wypchany rekin IKEA, który z jakiegoś powodu ma swój własny subreddit.
Ale w tym momencie prawdopodobnie zauważyłeś coś dziwnego. All of this data that a Spotify is using, the adjectives, the song titles, the listening frequencies, none of these is gathered from the music itself.
Więc to rodzi pytanie. Czy Spotify rzeczywiście może słuchać własnej muzyki? A odpowiedź, co ciekawe, brzmi: tak.
I tu pojawia się nasz trzeci algorytm.
Profile SpotifySonic
Oto jak działają:
Dla każdej piosenki na platformie Spotify generuje coś, co nazywa się reprezentacją częstotliwości czasu, która wygląda mniej więcej tak.
Ta oś to czas, który uzyskuje dostęp do częstotliwości, a cieplejsze kolory oznaczają głośniejszy poziom decybeli. Na przykład dokładnie w 12. sekundzie tej piosenki są to częstotliwości, które są najbardziej obecne.
Ta reprezentacja jest następnie wrzucana do sieci neuronowej. Sieć neuronowa izoluje wszystkie główne cechy utworu, takie jak Ki, Tempo, Timber, głośność i metrum i porównuje te cechy indywidualnie z innymi utworami, które lubisz i innymi, których nie słyszałeś.
Następnie, w połączeniu ze wspólnym systemem filtrowania i algorytmem przetwarzania języka naturalnego, te profile dźwiękowe są używane do precyzyjnego dostrajania utworów, które są wystarczająco podobne akustycznie do rodzaju muzyki, której już słuchasz, jednocześnie eksperymentując z jedną lub dwiema zmiennymi, aby uniknąć prezentowania ty z czymś zbyt nieświeżym.
I proszę bardzo, oto jak wydawać 11 miliardów dolarów rocznie, aby przekonać ludzi, by nie tylko słuchali tych samych trzech piosenek Taylor Swift przez resztę życia.
Obecnie istnieje wiele różnych witryn do przeglądania statystyk Spotify w Internecie, a słynny Spotify Wrapped również opiera się na danych gromadzonych przez te systemy.
Dodaj komentarz