Vzestup hudebních streamovacích služeb zcela změnil to, jak současná generace posluchačů přistupuje k hudbě. Nejen, že jsou k dispozici miliony skladeb za malý měsíční poplatek za předplatné, ale algoritmy aktivně pracují na pozadí a poskytují neustálý proud hudby přizpůsobené vašemu vkusu.
V čele válek streamování hudby je švédská společnost Spotify. Platforma se v roce 400 rozrostla na více než 2022 milionů aktivních uživatelů měsíčně. Kromě toho, že je to největší hudební služba na vyžádání, Spotify neustále posouvá hranice AI a strojové učení v kontextu hudby a hudebního doporučení.
Playlisty jako Discover Weekly nebo Daily Mix jsou vytvářeny pomocí složitého systému algoritmů, které se snaží spojit umělce a posluchače dohromady. Tento článek osvětlí, jak Spotify funguje v zákulisí. Ponoříme se do toho, jak všechny tyto algoritmy spolupracují, aby vytvořily efektivní služby kurátorství hudby pro uživatele.
Jak vám Spotify doporučuje věci?
Spotify spoléhá na to, co je známé jako systém doporučování. Algoritmus, známý také jako nástroj doporučení, vytváří model pro vyhledání a doporučení relevantních položek uživatelům. Spotify vytvořilo efektivní systém doporučování přizpůsobený pro poskytování přizpůsobených seznamů skladeb a návrhů skladeb svým uživatelům.
Tento typ algoritmu je prakticky všudypřítomný v našem každodenním životě. Systémy doporučení řídí funkce, které umožňují Amazonu, YouTube a Facebooku poskytovat vám relevantní obsah na základě vašich minulých interakcí s aplikací.
Doporučovací engine Spotify potřebuje získat správné dvě reprezentace: uživatele a samotnou hudební stopu.
Zastupování hudebních skladeb
Než vám Spotify může navrhnout hudbu, jeho algoritmy musí mít nějaký kvantitativní způsob popisu každé z milionů skladeb ve své databázi.
Vytvoření profilu pro každou hudební skladbu je samo o sobě zajímavý problém. Spotify investovalo do spousty výzkumu, aby našlo ty nejlepší modely, které by popsaly každý záznam v jeho katalogu.
K vyřešení tohoto problému používá Spotify dvě hlavní metody k vytvoření reprezentace: filtrování založené na obsahu a filtrování na základě spolupráce.
Pojďme se podívat na to, co každá z těchto metod dělá a jak spolupracují při vytváření holistické reprezentace hudby.
Filtrování založené na obsahu
Filtrování založené na obsahu má za cíl popsat každou stopu zkoumáním skutečných dat a metadat stopy.
Když umělci nahrávají hudbu do databáze Spotify, musí poskytnout samotný hudební soubor a také další informace nebo metadata. Metadata zahrnují název skladby, rok vydání, album skladby a dokonce i délku samotné skladby.
Když Spotify obdrží tyto soubory, může rychle použít poskytnutá metadata ke kategorizaci skladeb. Britský rockový singl z roku 1989 lze například zařadit do několika seznamů skladeb, jako jsou „Classic British Hits“ nebo dokonce „Rock Songs from the 80s“.
Analýza nezpracovaného zvuku
Spotify však jde ještě o krok dále a provádí analýzu samotného surového zvukového souboru, aby ze stopy získal nějaké kvantitativní metriky. Pokud se podíváme na Spotify API, můžeme vidět několik těchto metrik.
API například obsahuje energetickou metriku, která měří „percepční míru intenzity a aktivity“. Podle dokumentace je metrika odvozena z různých atributů včetně dynamického rozsahu, vnímané hlasitosti a zabarvení. Pomocí této metriky může Spotify kategorizovat skladby s vysokou energií dohromady a sloužit jako doporučení uživatelům, kteří poslouchají hudbu s vysokou intenzitou.
Kromě energie Spotify také určuje živost skladby, což je metrika, která zjišťuje přítomnost publika v nahrávce. Valence je měření, které popisuje, jak pozitivní je dráha. Zvuk s vysokou valenci označuje veselou a šťastnou hudbu, zatímco zvuk s nižší valenci označuje smutnou, depresivní nebo naštvanou hudbu.
Časová analýza
Spotify má také další zajímavý analytický algoritmus, který popisuje časovou strukturu stopy. Jedna skladba je rozdělena do různých segmentů: od sekcí (refrén, kobylka, instrumentální sólo) až po jednotlivé beaty samotné. Pomocí tohoto se můžete podívat, jak Spotify popisuje strukturu vašich oblíbených skladeb online nástroj který odešle požadavek do Spotify API.
Kombinace časové analýzy s metrikami, jako je energie a valence, může pomoci reprezentovat stopu jemnějším způsobem. Můžeme filtrovat skladby, které postupně nabývají na intenzitě, nebo najít skladby, které jsou energické.
Analýza textu
Doporučovací engine Spotify také extrahuje sémantické informace z textu souvisejícího se skladbou nebo interpretem pomocí přirozeného modely zpracování jazyka.
Text písně může pomoci lépe porozumět obsahu písně. Je možné, že Spotify vyhledává potenciální klíčová slova resp analýza sentimentu při vytváření nových seznamů skladeb nebo rádií skladeb.
Web je také užitečným nástrojem k pochopení skladby nebo interpreta. Spotify pravidelně provádí webové zápisky online médií a hudebních publikací, aby zjistil, jak skuteční lidé popisují jednotlivé skladby nebo umělce.
Kolaborativní filtrování
Kolaborativní filtrování se týká přístupu, kdy můžete odfiltrovat položky, které by uživatel mohl preferovat, na základě zkoumání zvyků podobných uživatelů.
Uživateli A se například mohou líbit interpreti X a Y a jinému uživateli Spotify B se líbí také X a Y. Pokud uživatel B poslouchá hodně skladeb od interpreta Z, je možné, že by se mohly líbit i uživateli A.
Problémem kolaborativního filtrování pomocí této metody je, že uživatelé mají obecně rozmanitější hudební vkus. Je možné, že umělec Z je zcela odlišný žánr než umělci X a Y.
V boji proti tomu Spotify používá variaci kolaborativního filtrování, která se zabývá společným výskytem seznamu skladeb a poslechu. Jednodušeji řečeno, skladby, které mají tendenci být ve stejném seznamu skladeb, nebo skladby, které lidé poslouchají ve stejné relaci, si budou s větší pravděpodobností podobné.
Spotify používá tento přístup založený na společném filtrování k seskupování skladeb do kategorií, které nemusí být při analýze obsahu skladby patrné.
Popis uživatelského vkusu
Nyní máme dobrou reprezentaci, která popisuje skladbu nebo interpreta. Jak potom najdeme ty správné uživatele, kterým písničky doporučíme?
Dalším náročným problémem, který by měl Spotify vyřešit, je porozumění hudebnímu vkusu jeho uživatelů.
Když si poprvé vytvoříte účet Spotify, můžete si všimnout, že vás Spotify požádá o výběr několika žánrů nebo umělců, které chcete sledovat. Toto je první krok k určení, jaký typ hudby chce uživatel poslouchat.
Poté doporučující engine Spotify sleduje celou vaši poslechovou aktivitu. Má smysl, aby vám Spotify poskytoval více návrhů klasické hudby, pokud hledáte pouze klasickou hudbu.
Poslech skladby je však jen tím nejzákladnějším signálem, který je třeba vzít v úvahu. Spotify se také podívá na skladby, které přeskakujete, uložené skladby a interprety, které sledujete. Tyto typy interakcí jsou explicitní nebo aktivní zpětná vazba.
Kromě toho Spotify také zkoumá implicitní zpětnou vazbu. To zahrnuje délku poslechu nebo to, jak často opakujete skladbu.
Pomocí všech těchto interakcí by nyní mělo být Spotify schopné zjistit vaše preference v žánru, náladě a době. Platforma také dokáže předpovědět, jaký typ hudby byste mohli preferovat v určitou denní dobu nebo den v týdnu.
Spotify také chápe, že uživatelé často časem vyvinou svůj hudební vkus. S ohledem na tuto skutečnost klade doporučující engine Spotify větší váhu na nedávnou aktivitu než na historická data.
Proč investovat do čističky vzduchu?
Přestože platformy jako Apple Music mají více dostupných skladeb a služby jako TIDAL slibují zvuk s vysokou věrností, Spotify nadále dominuje podílu předplatitelů hudby na globálním trhu. Součástí tohoto úspěchu je účinnost jeho systému doporučení, který je výsledkem více než desetiletého výzkumu a opakování.
Cílem systému doporučení Spotify je poskytnout uživatelům uspokojivý zážitek, který jim umožní strávit na platformě dlouhou dobu. Udržení uživatelů je klíčovou metrikou úspěchu, pokud jde o online předplatné služeb, jako je Spotify.
Podle Oskara Stala, viceprezidenta pro personalizaci ve Spotify, je cílem platformy „zvýšit množství smysluplnějšího zvuku ve vašem životě“. Prostřednictvím použití algoritmy strojového učení, Spotify dokáže svým uživatelům poskytovat skvělá doporučení a pomáhat umělcům růst a mít příležitost být slyšeni.
Napsat komentář