No momento em que escrevo este post, o Spotify categorizou 5987 gêneros musicais distintos.
Um número que quase certamente aumentou no momento em que você está lendo isso agora, a menos que você possa citar todos os quase 6.000 deles.
Há uma boa chance de você ser fã de um gênero do qual nunca ouviu falar. Perhaps you enjoy gothabili, neurostep or blackened death core. You could be a listener of baps, Bebop or Funk. But the fact of the matter is that you don’t really need to know exactly what kind of music you like, because Spotify already has you all figured out.
Every week for every user, they’re able to tailor a 30 song playlist to that person’s exact music tastes, ranging from the world’s most popular artists to the most Niche Indie Productions on the platform.
Mas você já se perguntou como?
Quero dizer, você provavelmente já deve ter, porque é por isso que você clicou neste post.
Veja como o sistema de recomendação do Spotify é composto por três algoritmos diferentes, o que o torna três vezes melhor do que um algoritmo por causa da matemática.
Filtragem colaborativa
O primeiro desses três na verdade não tem nada a ver com a música em si e é chamado de filtragem colaborativa. É basicamente assim que a Netflix recomenda novos programas, escrevendo um contrato de licença de usuário final de 6.000 palavras que lhes dá permissão para gravar tudo o que você faz até morrer ou jogar seu telefone em um vulcão.
Localizado na sala Matrix gigante do Spotify, eles armazenaram uma matriz gigante. São aproximadamente 433 milhões de linhas por 80 milhões de colunas indexando cada usuário e cada música na plataforma e registrando a frequência com que cada pessoa ouve cada música. Isso está simplificando um pouco as coisas, mas essa matriz permite que eles determinem objetivamente quais usuários são mais semelhantes.
Se uma linha estiver atingindo todas as mesmas colunas que outra linha, isso significa que essas duas pessoas estão ouvindo as mesmas músicas. E se uma dessas linhas tiver uma coluna ativa que a outra não tiver, essa música teoricamente seria boa para recomendar.
Basicamente, o que estou dizendo é que, se você quiser arruinar o Spotify de uma pessoa específica, tudo o que precisa fazer é criar uma nova conta, ouvir todas as músicas favoritas e ouvir os efeitos sonoros da sirene do tornado por músicas e efeitos sonoros isentos de royalties fábricas setenta mil vezes
Agora, o Spotify não pode confiar inteiramente na filtragem colaborativa. Não é muito preciso, especialmente quando se trata dos gostos musicais multifacetados das pessoas e tende a promover apenas músicas populares em geral enquanto grava coisas que não têm muitos dados de audição para trabalhar, como o mesmo do antigo Jamboree de Wendover banda, mesmo que sua música seja fogo quente.
Sistema de processamento de linguagem natural
É aí que entra o próximo algoritmo, o sistema de processamento de linguagem natural do Spotify.
Veja bem, uma das melhores maneiras de categorizar músicas é com palavras e acontece que a internet tem um monte delas.
O Spotify está constantemente coletando textos associados às suas músicas. Ele examinará o texto em sua própria plataforma, como títulos de músicas, descrições de listas de reprodução e letras, mas também extrairá dados do restante da Internet.
O Spotify coleta resenhas de músicas, artigos de notícias, seções de comentários, você escolhe e tudo isso é usado para criar um banco de palavras associado para cada música e artista em sua plataforma.
Aqui está uma dessas tabelas geradas pela Echo Nest, a empresa de dados musicais que o Spotify comprou em 2014 para a frase Abba.
Como você pode ver, tem as frases nominais mais comumente associadas ao Abba, bem como os adjetivos mais comumente usados ao descrever o Abba.
Usando esta tabela, você pode descobrir que os fãs do ABBA provavelmente gostarão de outras coisas que são freqüentemente descritas como alegres não violentas e suecas, como Greta tunberg ou tubarão de pelúcia IKEA que tem seu próprio subreddit por algum motivo.
Mas neste ponto você provavelmente já notou algo estranho. Todos esses dados que um Spotify está usando, os adjetivos, os títulos das músicas, as frequências de escuta, nada disso é obtido da música em si.
Então isso levanta a questão. O Spotify pode realmente ouvir sua própria música? E a resposta curiosamente é sim.
É aqui que entra nosso terceiro algoritmo.
Perfis do Spotify Sonic
Veja como eles funcionam:
Para cada música da plataforma, o Spotify gera algo chamado representação de frequência de tempo que se parece com isso.
Este eixo é o tempo que acessa a frequência e as cores mais quentes significam níveis de decibéis mais altos. Então, por exemplo, exatamente aos 12 segundos dessa música, essas são as frequências que estão mais presentes.
Essa representação é então despejada em uma rede neural. A rede neural isola todos os principais recursos da música, coisas como Ki, Tempo, Timber, volume e fórmula de compasso e compara essas qualidades individualmente com outras músicas que você gosta e outras que ainda não ouviu.
Em seguida, em conjunto com o sistema de filtragem colaborativa e o algoritmo de processamento de linguagem natural, esses perfis do Sonic são usados para aprimorar com precisão as músicas que são acusticamente semelhantes ao tipo de música que você já ouve, ao mesmo tempo em que experimenta uma ou duas variáveis para evitar a apresentação você com qualquer coisa muito velha.
E aí está, é assim que gastar 11 bilhões de dólares por ano convencendo as pessoas a não apenas ouvir as mesmas três músicas de Taylor Swift na leitura pelo resto de suas vidas.
Agora, há uma grande variedade de sites para visualizar as estatísticas do Spotify na Internet e o famoso Spotify Wrapped também é baseado nos dados coletados por esses sistemas.
Deixe um comentário