A zenei streaming szolgáltatások térnyerése teljesen megváltoztatta a hallgatók jelenlegi generációjának a zenéhez való hozzáállását. Nem csak dalok milliói érhetők el kis havi előfizetési díj ellenében, hanem az algoritmusok is aktívan dolgoznak a háttérben, hogy állandó zenefolyamot biztosítsanak az Ön ízlésének megfelelően.
A zenei streaming háborúk élén a svéd székhelyű Spotify cég áll. A platform 400-re több mint 2022 millió havi aktív felhasználót gyűjtött össze. Amellett, hogy a Spotify a legnagyobb lekérhető zenei szolgáltatás, a Spotify folyamatosan feszegeti az AI és az AI határait. gépi tanulás zene és zeneajánlás keretében.
Az olyan lejátszási listákat, mint a Discover Weekly vagy a Daily Mix, olyan összetett algoritmusrendszer segítségével hozzák létre, amely megpróbálja egyeztetni az előadókat és a hallgatókat. Ez a cikk rávilágít arra, hogyan működik a Spotify a színfalak mögött. Megvizsgáljuk, hogyan működnek együtt ezek az algoritmusok, hogy hatékony zenekurátori szolgáltatásokat hozzunk létre a felhasználók számára.
Hogyan ajánl Önnek valamit a Spotify?
A Spotify az úgynevezett ajánlórendszerre támaszkodik. Az ajánlómotorként is ismert algoritmus modellt hoz létre a releváns elemek megtalálásához és a felhasználók számára történő ajánlásához. A Spotify egy hatékony ajánlórendszert épített ki, amely testreszabott lejátszási listák és számjavaslatok eljuttatására szolgál felhasználóinak.
Ez a fajta algoritmus gyakorlatilag mindenütt jelen van mindennapi életünkben. Az ajánlórendszerek olyan funkciókat hajtanak végre, amelyek lehetővé teszik, hogy az Amazon, a YouTube és a Facebook releváns tartalmakat biztosítson Önnek az alkalmazással való korábbi interakciói alapján.
A Spotify ajánlómotorjának két megjelenítést kell helyesen megadnia: a felhasználót és magát a zeneszámot.
Zenei számok képviselete
Mielőtt a Spotify zenét javasolhatna Önnek, algoritmusainak kvantitatív módon kell tudnia leírni az adatbázisukban található több millió zeneszám mindegyikét.
Az egyes zeneszámokhoz profil létrehozása önmagában is érdekes probléma. A Spotify rengeteg kutatásba fektetett be, hogy megtalálja a legjobb modelleket a katalógusában szereplő összes rekord leírásához.
A probléma megoldására a Spotify két fő módszert használ a reprezentáció létrehozására: tartalomalapú szűrést és együttműködési szűrést.
Nézzük meg, mit csinálnak ezek a módszerek, és hogyan működnek együtt a zene holisztikus megjelenítése érdekében.
Tartalom alapú szűrés
A tartalom alapú szűrés célja az egyes sávok leírása a pálya tényleges adatainak és metaadatainak vizsgálatával.
Amikor az előadók zenét töltenek fel a Spotify adatbázisába, meg kell adniuk magát a tényleges zenei fájlt, valamint további információkat vagy metaadatokat. A metaadatok között szerepel a dal neve, kiadásának éve, a szám albuma, és még magának a dalnak a hossza is.
Amikor a Spotify megkapja ezeket a fájlokat, gyorsan fel tudja használni a megadott metaadatokat a dalok kategorizálására. Egy 1989-es brit rock-kislemez például több lejátszási listára is felkerülhet, mint például a „Classic British Hits” vagy akár a „Rock Songs from the 80s”.
Nyers hangelemzés
A Spotify azonban egy lépéssel tovább megy, és magán a nyers hangfájlon elemzést végez, hogy kvantitatív mérőszámokat kapjon a sávból. Ha megnézzük a Spotify API, láthatunk néhány ilyen mutatót.
Például az API tartalmaz egy energiamutatót, amely az „intenzitás és aktivitás észlelési mértékét” méri. A dokumentáció szerint a mérőszám különböző attribútumokból származik, beleértve a dinamikatartományt, az észlelt hangerőt és a hangszínt. Ezzel a mérőszámmal a Spotify együtt kategorizálhatja a nagy energiájú dalokat, és ajánlásként szolgálhatja azokat a nagy intenzitású zenét hallgató felhasználók számára.
Az energia mellett a Spotify meghatározza a szám élénkségét is, ez a mérőszám, amely érzékeli a közönség jelenlétét a felvételen. A vegyérték olyan mérték, amely leírja, hogy egy pálya mennyire pozitív. A magas vegyértékű hang vidám és boldog zenét jelez, míg az alacsonyabb vegyértékű hang szomorú, depressziós vagy dühös zenét jelez.
Időbeli elemzés
A Spotify-nak van egy másik érdekes elemző algoritmusa is, amely leírja a pálya időbeli szerkezetét. Egyetlen szám különböző szegmensekre van felosztva: a szekcióktól (kórus, bridzs, hangszeres szóló) egészen az egyes ütemekig. Ennek segítségével megnézheti, hogy a Spotify hogyan írja le kedvenc dalainak szerkezetét online eszköz amely kérést küld a Spotify API-nak.
Az időbeli elemzés olyan mérőszámokkal való kombinálása, mint az energia és a vegyérték, segíthet a pálya árnyaltabb megjelenítésében. Szűrhetünk a fokozatosan növekvő intenzitású dalok között, vagy találhatunk olyan dalokat, amelyek végig nagy energiájúak.
Szövegelemzés
A Spotify ajánlómotorja a számhoz vagy az előadóhoz kapcsolódó szövegből is szemantikai információkat nyer ki természetes nyelvfeldolgozási modellek.
A dalszövegek segíthetnek jobban megérteni a dal tartalmát. Lehetséges, hogy a Spotify potenciális kulcsszavakra keres, ill hangulat elemzés új lejátszási listák vagy rádiószámok létrehozásakor.
Az internet hasznos eszköz egy szám vagy előadó megértéséhez. A Spotify rendszeresen végez webes felvételeket az online médiákról és zenei kiadványokról, hogy megállapítsa, valódi emberek hogyan írják le az egyes számokat vagy előadókat.
Együttműködési szűrés
Az együttműködésen alapuló szűrés arra a megközelítésre utal, amikor a hasonló felhasználók szokásait megvizsgálva kiszűrheti azokat az elemeket, amelyeket a felhasználó előnyben részesít.
Például előfordulhat, hogy A felhasználó kedveli az X és Y előadókat, egy másik Spotify-felhasználó B pedig X és Y előadót. Ha B felhasználó sok dalt hallgat Z előadótól, lehetséges, hogy A felhasználó is kedveli őket.
Az ezzel a módszerrel végzett együttműködési szűréssel kapcsolatos egyik probléma az, hogy a felhasználók általában változatosabb zenei ízléssel rendelkeznek. Lehetséges, hogy a Z előadó teljesen más műfaj, mint az X és Y.
Ennek leküzdésére a Spotify az együttműködésen alapuló szűrés egy változatát használja, amely a lejátszási listák és a hallgatási munkamenetek együttes előfordulását vizsgálja. Egyszerűbben fogalmazva, azok a számok, amelyek általában ugyanabban a lejátszási listában vannak, vagy olyan dalok, amelyeket az emberek ugyanabban a munkamenetben hallgatnak, nagyobb valószínűséggel hasonlítanak egymásra.
A Spotify ezt az együttműködésen alapuló szűrési megközelítést használja a dalok kategóriákba csoportosítására, amelyek a dal tartalmának elemzésekor nem feltétlenül látszanak.
A felhasználói ízlés leírása
Most van egy jó ábrázolásunk, amely leír egy számot vagy előadót. Hogyan találjuk meg a megfelelő felhasználókat, akiknek ajánljuk a dalokat?
Egy másik kihívást jelentő probléma, amelyet a Spotify-nak meg kell oldania, a felhasználók zenei ízlésének megértése.
Amikor először hoz létre Spotify-fiókot, észreveheti, hogy a Spotify megkéri, hogy válasszon ki néhány követni kívánt műfajt vagy előadót. Ez az első lépés annak meghatározásához, hogy a felhasználó milyen típusú zenét szeretne hallgatni.
Ezt követően a Spotify ajánlómotorja nyomon követi teljes hallgatási tevékenységét. Érdemes a Spotify számára több klasszikus zenei javaslatot kiszolgálni, ha csak a klasszikus zenét keresi.
Egy szám meghallgatása azonban csak a legalapvetőbb jel, amelyet figyelembe kell venni. A Spotify megvizsgálja a kihagyott dalokat, a mentett számokat és a követett előadókat is. Az ilyen típusú interakciók explicit vagy aktív visszajelzések.
Ezen felül a Spotify az implicit visszajelzéseket is megvizsgálja. Ez magában foglalja a hallgatási munkamenet hosszát vagy azt, hogy milyen gyakran ismétel meg egy dalt.
Mindezen interakciók segítségével a Spotify mostantól képes lesz megtudni az Ön preferenciáit műfajban, hangulatban és korszakban. A platform azt is meg tudja jósolni, hogy milyen típusú zenét részesíthet előnyben egy adott napszakban vagy a hét egy napján.
A Spotify azt is tudja, hogy a felhasználók gyakran idővel fejlesztik zenei ízlésüket. Figyelembe véve ezt a tényt, a Spotify ajánlómotor nagyobb súlyt helyez a közelmúltbeli tevékenységekre, mint a korábbi adatokra.
Következtetés
Annak ellenére, hogy az olyan platformok, mint az Apple Music, több elérhető dalt kínálnak, és a szolgáltatások, mint a TIDAL, nagy hanghűséget ígérnek, a Spotify továbbra is uralja a zenei előfizetők globális piaci részesedését. A siker része az ajánlási rendszer hatékonysága, amely több mint egy évtizedes kutatás és iteráció eredménye.
A Spotify ajánlórendszerének célja, hogy kielégítő élményt nyújtson a felhasználóknak, amely lehetővé teszi számukra, hogy hosszú időt töltsenek a platformon. A felhasználók megtartása a siker kulcsfontosságú mutatója az olyan online előfizetési szolgáltatásoknál, mint a Spotify.
Oskar Stal, a Spotify személyre szabásért felelős alelnöke szerint a platform célja, hogy „megnövelje az értelmesebb hanganyag mennyiségét az életében”. Használata révén gépi tanulási algoritmusok, a Spotify nagyszerű ajánlásokat tud nyújtani felhasználóinak, és elősegíti a művészek növekedését, és lehetőséget kap arra, hogy meghallgassa őket.
Hagy egy Válaszol