Възходът на услугите за стрийминг на музика напълно промени начина, по който сегашното поколение слушатели подхождат към музиката. Не само, че милиони песни са налични срещу малка месечна абонаментна такса, алгоритмите работят активно във фонов режим, за да доставят постоянен поток от музика, персонализирана по ваш вкус.
Водеща във войните за стрийминг на музика е базираната в Швеция компания Spotify. Платформата нарасна, за да натрупа над 400 милиона активни потребители месечно през 2022 г. Освен че е най-голямата музикална услуга по заявка, Spotify непрекъснато разширява границите на AI и машинно обучение в контекста на музиката и музикалната препоръка.
Списъци за изпълнение като Discover Weekly или Daily Mix се създават с помощта на сложна система от алгоритми, които се опитват да съпоставят изпълнители и слушатели заедно. Тази статия ще хвърли светлина върху това как Spotify работи зад кулисите. Ще се потопим в това как всички тези алгоритми работят заедно, за да създадат ефективни услуги за куриране на музика за потребителите.
Как Spotify ви препоръчва неща?
Spotify разчита на това, което е известно като система за препоръчване. Известен също като механизъм за препоръки, алгоритъмът създава модел за намиране и препоръчване на подходящи елементи на потребителите. Spotify изгради ефективна система за препоръчване, пригодена за предоставяне на персонализирани плейлисти и предложения за песни на своите потребители.
Този тип алгоритъм е практически повсеместен в нашето ежедневие. Системите за препоръчване управляват функциите, които позволяват на Amazon, YouTube и Facebook да ви предоставят подходящо съдържание въз основа на предишните ви взаимодействия с приложението.
Механизмът за препоръчване на Spotify трябва да направи правилно две представяния: потребителя и самата музикална песен.
Представяне на музикални записи
Преди Spotify да може да ви предложи музика, неговите алгоритми трябва да имат някакъв количествен начин да опишат всяка от милионите песни в тяхната база данни.
Създаването на профил за всяка музикална песен само по себе си е интересен проблем. Spotify инвестира в много изследвания, за да намери най-добрите модели, които да опишат всеки запис в неговия каталог.
За да се справи с този проблем, Spotify използва два основни метода за създаване на представяне: базирано на съдържание филтриране и съвместно филтриране.
Нека да разгледаме какво прави всеки от тези методи и как работят заедно, за да създадат холистично представяне на музиката.
Филтриране, базирано на съдържание
Филтрирането въз основа на съдържание има за цел да опише всяка песен чрез изследване на действителните данни и метаданни на песента.
Когато изпълнители качват музика в базата данни на Spotify, те трябва да предоставят самия музикален файл, както и допълнителна информация или метаданни. Метаданните включват името на песента, годината, в която е издадена, албума на песента и дори дължината на самата песен.
Когато Spotify получи тези файлове, той може бързо да използва предоставените метаданни, за да категоризира песните. Британски рок сингъл от 1989 г. например може да бъде поставен в няколко плейлиста като „Класически британски хитове“ или дори „Рок песни от 80-те“.
Суров аудио анализ
Въпреки това, Spotify отива крачка напред и извършва анализ на самия необработен аудио файл, за да получи някои количествени показатели от песента. Ако разгледаме API на Spotify, можем да видим някои от тези показатели.
Например, API включва енергиен показател, който измерва „перцептивната мярка за интензивност и активност“. Според документацията показателят се извлича от различни атрибути, включително динамичен обхват, възприемана сила на звука и тембър. Използвайки този показател, Spotify може да категоризира заедно песни с висока енергия и да ги служи като препоръки на потребители, които слушат музика с висок интензитет.
Освен енергията, Spotify определя и живостта на песента, показател, който открива присъствието на публика в записа. Валентността е мярка, която описва колко положителна е песента. Звукът с висока валентност показва весела и весела музика, докато звукът с по-ниска валентност показва тъжна, депресивна или гневна музика.
Времеви анализ
Spotify има и друг интересен алгоритъм за анализ, който описва времевата структура на песента. Една песен е разделена на различни сегменти: от части (припев, бридж, инструментално соло) до самите отделни ритми. Можете да проверите как Spotify описва структурата на любимите ви песни, като използвате това онлайн инструмент който изпраща заявка до API на Spotify.
Комбинирането на времевия анализ с показатели като енергия и валентност може да помогне за представянето на пистата по по-нюансиран начин. Можем да филтрираме през песни, които постепенно нарастват в интензитет, или да намерим песни, които са с висока енергия през целия път.
Анализ на текст
Механизмът за препоръчване на Spotify също извлича семантична информация от текст, свързан с песента или изпълнителя, чрез използването на естествени модели за езикова обработка.
Текстовете на песните могат да помогнат за по-добро разбиране на съдържанието на песента. Възможно е Spotify да търси потенциални ключови думи или анализ на чувствата когато създавате нови плейлисти или радиостанции.
Мрежата също е полезен инструмент за разбиране на песен или изпълнител. Spotify редовно извършва уеб сканиране на онлайн медии и музикални публикации, за да определи как истинските хора описват всяка песен или изпълнител.
Съвместно филтриране
Съвместното филтриране се отнася до подхода, при който можете да филтрирате елементи, които потребителят може да предпочете, като разгледате навиците на подобни потребители.
Например, потребител A може да хареса изпълнители X и Y, а друг потребител на Spotify B също харесва X и Y. Ако потребител B слуша много песни от изпълнител Z, тогава е възможно потребител A също да ги хареса.
Един проблем със съвместното филтриране с помощта на този метод е, че потребителите обикновено имат по-разнообразен музикален вкус. Възможно е художникът Z да е напълно различен жанр от артистите X и Y.
За да се бори с това, Spotify използва вариация на съвместно филтриране, което разглежда едновременното появяване на плейлист и сесия за слушане. По-просто казано, песните, които обикновено са в един и същи плейлист, или песните, които хората слушат в една и съща сесия, е по-вероятно да бъдат сходни.
Spotify използва този подход за съвместно филтриране, за да групира песните в категории, които може да не са очевидни при анализиране на съдържанието на песента.
Описание на потребителския вкус
Вече имаме добро представяне, което описва песен или изпълнител. Как тогава да намерим правилните потребители, на които да препоръчаме песните?
Друг предизвикателен проблем, който Spotify трябва да реши, е разбирането на музикалния вкус на своите потребители.
Когато за първи път създадете акаунт в Spotify, може да забележите, че Spotify ще ви помоли да изберете няколко жанра или изпълнители, които искате да следвате. Това е първата стъпка в определянето на вида музика, която потребителят иска да слуша.
След това механизмът за препоръчване на Spotify следи цялата ви активност при слушане. Логично е Spotify да ви предлага повече предложения за класическа музика, ако всичко, което търсите, е класическа музика.
Слушането на песен обаче е само най-основният сигнал, който трябва да имате предвид. Spotify също разглежда песните, които пропускате, записите, които запазвате, и изпълнителите, които следвате. Тези видове взаимодействия са изрична или активна обратна връзка.
Освен това Spotify разглежда и имплицитната обратна връзка. Това включва продължителността на сесията за слушане или колко често повтаряте песен.
Използвайки всички тези взаимодействия, Spotify вече трябва да може да разбере вашите предпочитания по жанр, настроение и епоха. Платформата може също да предвиди какъв тип музика може да предпочетете в конкретен час от деня или ден от седмицата.
Spotify също разбира, че потребителите често развиват своя вкус към музиката с течение на времето. Имайки предвид този факт, механизмът за препоръчване на Spotify придава по-голяма тежест на скорошната активност в сравнение с историческите данни.
Заключение
Въпреки че платформи като Apple Music имат повече налични песни и услуги като TIDAL обещават висококачествен звук, Spotify продължава да доминира в глобалния пазарен дял на музикалните абонати. Част от този успех е ефективността на неговата система за препоръки, която е продукт на повече от десетилетие изследвания и итерации.
Целта на системата за препоръки на Spotify е да осигури задоволително изживяване за потребителите, което ще им позволи да прекарат дълго време в платформата. Задържането на потребителите е ключов показател за успех, когато става въпрос за онлайн абонаментни услуги като Spotify.
Според Оскар Стал, вицепрезидент на персонализацията в Spotify, платформата има за цел да „увеличи количеството по-смислено аудио в живота ви“. Чрез използването на алгоритми за машинно обучение, Spotify е в състояние да предостави страхотни препоръки на своите потребители и да помогне на артистите да растат и да имат възможност да бъдат чути.
Оставете коментар