Die opkoms van musiekstroomdienste het heeltemal verander hoe die huidige generasie luisteraars musiek benader. Nie net is miljoene liedjies beskikbaar vir 'n klein maandelikse intekenfooi nie, algoritmes werk aktief in die agtergrond om 'n konstante stroom musiek te lewer wat gepersonaliseer is na jou smaak.
Die Sweedse maatskappy Spotify lei die musiekstroomoorloë. Die platform het gegroei tot meer as 400 miljoen maandelikse aktiewe gebruikers in 2022. Behalwe dat dit die grootste musiekdiens op aanvraag is, verskuif Spotify voortdurend die grense van KI en machine learning in die konteks van musiek en musiekaanbeveling.
Snitlyste soos Discover Weekly of Daily Mix word geskep met behulp van 'n komplekse stelsel van algoritmes wat probeer om kunstenaars en luisteraars saam te pas. Hierdie artikel sal 'n lig laat skyn oor hoe Spotify agter die skerms werk. Ons sal ingaan op hoe al hierdie algoritmes saamwerk om 'n effektiewe musiekkuratordiens vir gebruikers te skep.
Hoe beveel Spotify jou dinge aan?
Spotify maak staat op wat bekend staan as 'n aanbevelingstelsel. Ook bekend as 'n aanbevelingsenjin, skep die algoritme 'n model om relevante items aan gebruikers te vind en aan te beveel. Spotify het 'n effektiewe aanbevelingstelsel gebou wat aangepas is om pasgemaakte snitlyste en snitvoorstelle aan sy gebruikers te lewer.
Hierdie tipe algoritme is feitlik alomteenwoordig in ons daaglikse lewe. Aanbevelingstelsels dryf die kenmerke wat Amazon, YouTube en Facebook toelaat om vir jou relevante inhoud te gee gebaseer op jou vorige interaksies met die toepassing.
Spotify se aanbevelingsenjin moet twee voorstellings reg kry: die gebruiker en die musieksnit self.
Musieksnitte verteenwoordig
Voordat Spotify musiek aan jou kan voorstel, moet sy algoritmes 'n kwantitatiewe manier hê om elk van die miljoene snitte in hul databasis te beskryf.
Die skep van 'n profiel vir elke musieksnit is 'n interessante probleem op sigself. Spotify het in baie navorsing belê om die beste modelle te vind om elke rekord in sy katalogus te beskryf.
Om hierdie probleem aan te pak, gebruik Spotify twee hoofmetodes om 'n voorstelling te skep: inhoudgebaseerde filtering en samewerkende filtering.
Kom ons kyk na wat elkeen van hierdie metodes doen en hoe hulle saamwerk om 'n holistiese voorstelling van musiek te skep.
Inhoud-gebaseerde filtering
Inhoudgebaseerde filtering het ten doel om elke snit te beskryf deur die werklike data en metadata van die snit te ondersoek.
Wanneer kunstenaars musiek na Spotify se databasis oplaai, moet hulle die werklike musieklêer self verskaf, asook bykomende inligting of metadata. Metadata sluit die naam van die liedjie, die jaar waarin dit vrygestel is, die snit se album en selfs die lengte van die liedjie self in.
Wanneer Spotify hierdie lêers ontvang, kan dit vinnig die verskafde metadata gebruik om liedjies te kategoriseer. ’n Britse rock-enkelsnit uit 1989 kan byvoorbeeld in verskeie snitlyste geplaas word soos “Classic British Hits” of selfs “Rock Songs from the 80s”.
Rou oudio-analise
Spotify gaan egter 'n stap verder en doen 'n ontleding op die rou klanklêer self om 'n paar kwantitatiewe statistieke van die baan te kry. As ons kyk na die Spotify API, kan ons 'n paar van hierdie maatstawwe sien.
Byvoorbeeld, die API bevat 'n energiemetriek wat die "perseptuele maatstaf van intensiteit en aktiwiteit meet." Volgens die dokumentasie is die metriek afgelei van verskeie eienskappe, insluitend dinamiese omvang, waargenome hardheid en timbre. Deur hierdie maatstaf te gebruik, kan Spotify hoë-energie-liedjies saam kategoriseer en dit as aanbevelings dien aan gebruikers wat na hoë-intensiteit musiek luister.
Benewens energie, bepaal Spotify ook die lewendheid van die snit, 'n maatstaf wat die teenwoordigheid van 'n gehoor in die opname bespeur. Valensie is 'n meting wat beskryf hoe positief 'n baan is. 'n Hoë valensieklank dui op vrolike en vrolike musiek, terwyl 'n laer valensieklank hartseer, bedrukte of kwaai musiek aandui.
Tydelike analise
Spotify het ook nog 'n interessante analitiese algoritme wat die baan se tydelike struktuur beskryf. ’n Enkelsnit word in verskillende segmente verdeel: van afdelings (koor, brug, instrumentale solo), tot die individuele maatslae self. Jy kan kyk hoe Spotify die struktuur van jou gunsteling liedjies beskryf deur dit te gebruik aanlyn hulpmiddel wat 'n versoek na die Spotify API stuur.
Die kombinasie van die tydelike analise met maatstawwe soos energie en valensie kan help om die baan op 'n meer genuanseerde manier voor te stel. Ons kan deur liedjies filter wat geleidelik in intensiteit opbou, of liedjies vind wat deurgaans hoë-energie is.
Teksanalise
Spotify se aanbevelingsenjin onttrek ook semantiese inligting uit teks wat met die snit of kunstenaar verband hou deur die gebruik van natuurlike taalverwerkingsmodelle.
Liedjie lirieke kan help om die inhoud van die liedjie verder te verstaan. Dit is moontlik dat Spotify soek na potensiële sleutelwoorde of sentiment analise wanneer nuwe snitlyste of snitradio's geskep word.
Die web is ook 'n nuttige hulpmiddel om 'n snit of kunstenaar te verstaan. Spotify voer gereeld webskrapies van aanlyn media-afsetpunte en musiekpublikasies uit om te bepaal hoe regte mense elke snit of kunstenaar beskryf.
Samewerkende filtering
Samewerkende filtering verwys na die benadering waar jy items kan uitfiltreer wat 'n gebruiker dalk verkies deur na die gewoontes van soortgelyke gebruikers te kyk.
Byvoorbeeld, gebruiker A hou dalk van kunstenaars X en Y, en 'n ander Spotify-gebruiker B hou ook van X en Y. As gebruiker B na baie liedjies van kunstenaar Z luister, is dit moontlik dat gebruiker A ook daarvan kan hou.
Een probleem met samewerkende filtering wat hierdie metode gebruik, is dat gebruikers oor die algemeen 'n meer diverse smaak in musiek het. Dit is moontlik dat kunstenaar Z 'n heeltemal ander genre is as kunstenaars X en Y.
Om dit te bekamp, gebruik Spotify 'n variasie van samewerkende filtering wat kyk na die samekoms van snitlys en luistersessies. In eenvoudiger terme, snitte wat geneig is om in dieselfde snitlys te wees of liedjies waarna mense in dieselfde sessie luister, is meer geneig om soortgelyk te wees.
Spotify gebruik hierdie samewerkende filterbenadering om liedjies saam te groepeer in kategorieë wat dalk nie sigbaar is wanneer die inhoud van die liedjie ontleed word nie.
Beskrywing van gebruikerssmaak
Ons het nou 'n goeie voorstelling wat 'n snit of kunstenaar beskryf. Hoe vind ons dan die regte gebruikers om die liedjies by aan te beveel?
Nog 'n uitdagende probleem wat Spotify moet oplos, is om die musikale smaak van sy gebruikers te verstaan.
Wanneer jy die eerste keer 'n Spotify-rekening skep, sal jy dalk agterkom dat Spotify jou sal vra om 'n paar genres of kunstenaars te kies wat jy wil volg. Dit is die eerste stap om te bepaal na watter tipe musiek die gebruiker wil luister.
Daarna hou Spotify se aanbevelingsenjin rekord van jou hele luisteraktiwiteit. Dit maak sin vir Spotify om vir jou meer klassieke musiekvoorstelle te dien as al waarna jy soek klassieke musiek is.
Om na 'n snit te luister is egter net die mees basiese sein om te oorweeg. Spotify kyk ook na die liedjies wat jy oorslaan, snitte wat jy stoor en kunstenaars wat jy volg. Hierdie tipe interaksies is eksplisiete of aktiewe terugvoer.
Boonop kyk Spotify ook na implisiete terugvoer. Dit sluit in die lengte van die luistersessie of hoe gereeld jy 'n liedjie herhaal.
Deur al hierdie interaksies te gebruik, behoort Spotify nou jou voorkeure in genre, bui en era te kan uitvind. Die platform kan ook voorspel watter tipe musiek jy dalk op 'n spesifieke tyd van die dag of dag van die week sal verkies.
Spotify verstaan ook dat gebruikers dikwels hul smaak in musiek mettertyd ontwikkel. Met inagneming van hierdie feit, plaas die Spotify-aanbevelingsenjin meer gewig op onlangse aktiwiteit bo historiese data.
Gevolgtrekking
Alhoewel platforms soos Apple Music meer beskikbare liedjies het, en dienste soos TIDAL hoëgetrouheid-klank beloof, oorheers Spotify steeds die wêreldmarkaandeel van musiekintekenare. Deel van daardie sukses is die doeltreffendheid van sy aanbevelingstelsel, wat 'n produk is van meer as 'n dekade se navorsing en herhaling.
Die doel van Spotify se aanbevelingstelsel is om 'n bevredigende ervaring vir gebruikers te bied wat hulle in staat sal stel om 'n lang tyd op die platform deur te bring. Gebruikersbehoud is 'n sleutelmaatstaf vir sukses wanneer dit kom by aanlyn-intekeningdienste soos Spotify.
Volgens Oskar Stal, VP van verpersoonliking by Spotify, is die platform daarop gemik om "die hoeveelheid meer betekenisvolle klank in jou lewe te verhoog." Deur die gebruik van masjienleer-algoritmes, Spotify is in staat om goeie aanbevelings aan sy gebruikers te lewer en kunstenaars te help groei en 'n geleentheid te hê om gehoor te word.
Lewer Kommentaar