Musika streaming zerbitzuen gorakadak erabat aldatu du egungo entzuleen belaunaldiak musikarenganako nola hurbiltzen den. Hileroko harpidetza kuota txiki baten truke milioika abesti ez ezik, algoritmoek aktiboki lan egiten dute atzeko planoan zure gustura pertsonalizatutako musika-jario etengabea emateko.
Musika streaming gerren buru Suediako Spotify konpainia da. Plataforma hazi da 400an hilero 2022 milioi erabiltzaile aktibo baino gehiago biltzen dituena. Eskarirako musika zerbitzu handiena izateaz gain, Spotify-k etengabe zabaltzen ditu AI eta makina ikaskuntza musika eta musika gomendioaren testuinguruan.
Discover Weekly edo Daily Mix bezalako erreprodukzio-zerrendak artistak eta entzuleak elkarrekin lotzen saiatzen diren algoritmo-sistema konplexu baten bidez sortzen dira. Artikulu honek Spotify atzean nola funtzionatzen duen argituko du. Algoritmo horiek guztiek elkarrekin nola funtzionatzen duten aztertuko dugu erabiltzaileentzako musika-komisario-zerbitzu eraginkor bat sortzeko.
Nola gomendatzen dizu Spotify-k gauzak?
Spotify gomendio sistema gisa ezagutzen den horretan oinarritzen da. Gomendio motor gisa ere ezaguna, algoritmoak elementu garrantzitsuak aurkitzeko eta erabiltzaileei gomendatzeko eredu bat sortzen du. Spotify-k erabiltzaileei erreprodukzio-zerrenda eta pista-iradokizun pertsonalizatuak emateko egokitutako gomendio-sistema eraginkorra eraiki du.
Algoritmo mota hau ia nonahi dago gure eguneroko bizitzan. Gomendio sistemek Amazon, YouTube eta Facebook-ek aplikazioarekin izandako interakzioetan oinarritutako eduki garrantzitsua eskaintzeko aukera ematen duten funtzioak gidatzen dituzte.
Spotify-ren gomendio-motorrak bi irudikapen zuzen lortu behar ditu: erabiltzailea eta musika-pista bera.
Musika-pistak irudikatzea
Spotify-k musika iradoki aurretik, bere algoritmoek beren datu-baseko milioika pista bakoitza deskribatzeko modu kuantitatiboren bat izan behar dute.
Musika pista bakoitzerako profil bat sortzea arazo interesgarria da berez. Spotify-k ikerketa ugaritan inbertitu du bere katalogoko disko guztiak deskribatzeko modelo onenak aurkitzeko.
Arazo honi aurre egiteko, Spotify-k bi metodo nagusi erabiltzen ditu irudikapen bat sortzeko: edukietan oinarritutako iragazketa eta lankidetzako iragazketa.
Azter dezagun metodo horietako bakoitzak zer egiten duen eta nola lan egiten duten elkarrekin musikaren irudikapen integral bat sortzeko.
Edukietan oinarritutako iragazketa
Edukian oinarritutako iragazkiak pista bakoitza deskribatzea du helburu, pistaren benetako datuak eta metadatuak aztertuz.
Artistek Spotify-ren datu-basera musika kargatzen dutenean, benetako musika-fitxategia bera eman behar dute, baita informazio edo metadatu osagarriak ere. Metadatuek abestiaren izena, kaleratu zen urtea, abestiaren diskoa eta abestiaren iraupena ere jasotzen dituzte.
Spotify-k fitxategi hauek jasotzen dituenean, emandako metadatuak azkar erabil ditzake abestiak sailkatzeko. 1989ko rock single britainiar bat, esaterako, hainbat erreprodukzio-zerrendatan jar daiteke, hala nola, "Classic British Hits" edota "Rock Songs from the 80s".
Audio gordinaren analisia
Hala ere, Spotify-k urrats bat gehiago egiten du eta analisi bat egiten du audio-fitxategi gordinaren gainean, pistaren neurri kuantitatibo batzuk lortzeko. Begirada bat ematen badiogu Spotify APIa, metrika horietako batzuk ikus ditzakegu.
Adibidez, APIak "intentsitatearen eta jardueraren pertzepzio-neurria" neurtzen duen energia-metria bat dakar. Dokumentazioaren arabera, metrika hainbat atribututik dator, tarte dinamikoa, hautemateko ozentasuna eta tinbrea barne. Neurri hori erabiliz, Spotify-k energia handiko abestiak sailka ditzake elkarrekin eta gomendio gisa eman diezaieke intentsitate handiko musika entzuten duten erabiltzaileei.
Energiaz gain, Spotify-k pistaren bizitasuna ere zehazten du, grabazioan entzuleen presentzia detektatzen duen metrika. Balentzia pista bat zein positiboa den deskribatzen duen neurketa da. Balentzia handiko soinuak musika alaia eta alaia adierazten du, eta balentzia baxuago batek musika tristea, deprimitua edo haserrea adierazten du.
Denborazko Analisia
Spotify-k pistaren denborazko egitura deskribatzen duen beste algoritmo analitiko interesgarri bat ere badu. Pista bakar bat segmentu ezberdinetan banatzen da: ataletatik (korua, zubia, instrumental bakarlaria), erritmo indibidualetaraino. Spotify-k zure abesti gogokoenen egitura nola deskribatzen duen ikus dezakezu hau erabiliz Online tresna Spotify APIra eskaera bat bidaltzen duena.
Denborazko analisia energia eta balentzia bezalako metrikekin konbinatzeak pista modu ñabarduago batean irudikatzen lagun dezake. Apurka-apurka intentsitatean hazten diren abestiak iragazi ditzakegu, edo energia handiko abestiak aurki ditzakegu.
Testuen analisia
Spotify-ren gomendio-motorrak pistarekin edo artistarekin erlazionatutako testutik informazio semantikoa ateratzen du, naturala erabiliz. hizkuntza prozesatzeko ereduak.
Abestien letrak abestiaren edukia gehiago ulertzen lagun dezake. Baliteke Spotify-k balizko gako-hitzak edo sentimenduen azterketa erreprodukzio-zerrenda edo pista-irrati berriak sortzean.
Sarea ere tresna erabilgarria da pista edo artista bat ulertzeko. Spotify-k aldian-aldian sareko hedabideen eta musika-argitalpenen web scrapeak egiten ditu benetako jendeak pista edo artista bakoitza nola deskribatzen duen zehazteko.
Elkarlaneko iragazketa
Elkarlaneko iragazkiak antzeko erabiltzaileen ohiturak aztertuz erabiltzaile batek nahiago dituen elementuak iragazi ditzakezun ikuspegiari egiten dio erreferentzia.
Adibidez, A erabiltzaileari X eta Y artistak gustatuko litzaizkioke, eta B beste Spotify erabiltzaile bati X eta Y ere gustatzen zaizkio. B erabiltzaileak Z artistaren abesti asko entzuten baditu, baliteke A erabiltzaileak ere gustatzea.
Metodo hau erabiliz lankidetzako iragazketarekin lotutako arazo bat da erabiltzaileek, oro har, musikaren gustu anitzagoa dutela. Baliteke Z artista X eta Y artisten genero guztiz desberdina izatea.
Horri aurre egiteko, Spotify-k erreprodukzio-zerrenda eta entzute-saioen ko-gertapena aztertzen dituen lankidetza-iragazkiaren aldaera bat erabiltzen du. Termino sinpleagoetan, erreprodukzio-zerrenda berean egon ohi diren abestiak edo jendeak saio berean entzuten dituen abestiak antzekoak izango dira.
Spotify-k iragazketa kolaboratibo hau erabiltzen du abestiak abestiaren edukia aztertzean agerikoak ez diren kategorietan biltzeko.
Erabiltzaileen gustua deskribatzea
Orain pista edo artista bat deskribatzen duen irudikapen ona dugu. Orduan, nola aurkituko ditugu abestiak gomendatzeko erabiltzaile egokiak?
Spotify-k konpondu beharko lukeen beste arazo zail bat erabiltzaileen musika-gustua ulertzea da.
Spotify kontu bat sortzen duzunean, Spotify-k jarraitu nahi dituzun genero edo artista batzuk hautatzeko eskatuko dizula ohartuko zara. Erabiltzaileak zer musika mota entzun nahi duen zehazteko lehen urratsa da.
Ondoren, Spotify-ren gomendio-motorrak zure entzute-jarduera osoaren jarraipena egiten du. Zentzuzkoa da Spotify-k musika klasikoaren iradokizun gehiago ematea bilatzen duzun guztia musika klasikoa bada.
Hala ere, pista bat entzutea kontuan hartu beharreko seinalerik oinarrizkoena da. Saltatzen dituzun abestiak, gordetzen dituzun pistak eta jarraitzen dituzun artistak ere aztertzen ditu Spotify-k. Interakzio mota hauek feedback esplizitua edo aktiboa dira.
Horrez gain, Spotify-k feedback inplizitua ere aztertzen du. Horrek entzute-saioaren iraupena edo abesti bat errepikatzen duzun maiztasuna hartzen du barne.
Interakzio horiek guztiak erabiliz, Spotify-k genero, aldarte eta garaiko hobespenak ezagutzeko gai izan beharko luke orain. Plataformak ere iragar dezake zein musika mota nahiago duzun eguneko edo asteko egun zehatz batean.
Spotify-k ere ulertzen du erabiltzaileek denboran zehar musikarako gustua garatzen dutela. Gertaera hori kontuan hartuta, Spotify gomendatzaile-motorrak pisu handiagoa ematen dio azken jarduerei datu historikoei baino.
Ondorioa
Apple Music bezalako plataformek abesti erabilgarri gehiago izan arren eta TIDAL bezalako zerbitzuek fideltasun handiko soinua agintzen badute ere, Spotify-k musika-harpidedunen merkatu-kuota nagusitzen jarraitzen du. Arrakasta horren zati bat bere gomendio sistemaren eraginkortasuna da, hamarkada bat baino gehiagoko ikerketa eta errepikapenaren produktua baita.
Spotify-ren gomendio sistemaren helburua erabiltzaileei plataforman denbora luzez igarotzeko aukera emango dien esperientzia asegarria eskaintzea da. Erabiltzaileen atxikipena arrakasta izateko giltzarria da Spotify bezalako lineako harpidetza zerbitzuei dagokienez.
Oskar Stal Spotify-ko pertsonalizazioko zuzendariaren arabera, plataformak "zure bizitzako audio esanguratsuen kopurua handitzea" du helburu. -ren erabileraren bitartez makina ikasteko algoritmoak, Spotify-k bere erabiltzaileei gomendio bikainak emateko gai da eta artistei hazten laguntzen die eta entzuteko aukera izan dezaten.
Utzi erantzun bat