Rozwój usług strumieniowania muzyki całkowicie zmienił sposób, w jaki obecne pokolenie słuchaczy podchodzi do muzyki. Nie tylko miliony utworów są dostępne za niewielką miesięczną opłatą abonamentową, ale także algorytmy aktywnie pracują w tle, aby zapewnić stały strumień muzyki spersonalizowanej według Twoich upodobań.
Na czele wojen strumieniowego przesyłania muzyki stoi szwedzka firma Spotify. Platforma rozrosła się, by zgromadzić ponad 400 milionów aktywnych użytkowników miesięcznie w 2022 roku. Oprócz tego, że jest największym serwisem muzycznym na żądanie, Spotify stale przesuwa granice sztucznej inteligencji i uczenie maszynowe w kontekście muzyki i rekomendacji muzycznych.
Playlisty, takie jak Discover Weekly lub Daily Mix, są tworzone przy użyciu złożonego systemu algorytmów, które starają się dopasować do siebie artystów i słuchaczy. Ten artykuł rzuci światło na to, jak Spotify działa za kulisami. Zagłębimy się w to, jak wszystkie te algorytmy współpracują ze sobą, aby stworzyć skuteczne usługi kuratorskie dla użytkowników.
Jak Spotify poleca Ci rzeczy?
Spotify opiera się na tzw. systemie rekomendacji. Algorytm, znany również jako silnik rekomendacji, tworzy model do znajdowania i polecania użytkownikom odpowiednich elementów. Spotify zbudowało skuteczny system rekomendacji dostosowany do dostarczania niestandardowych list odtwarzania i sugestii śledzenia swoim użytkownikom.
Ten rodzaj algorytmu jest praktycznie wszechobecny w naszym codziennym życiu. Systemy rekomendacji obsługują funkcje, które umożliwiają Amazonowi, YouTube i Facebookowi dostarczanie odpowiednich treści na podstawie Twoich wcześniejszych interakcji z aplikacją.
Silnik rekomendacji Spotify musi mieć dwie poprawne reprezentacje: użytkownika i samą ścieżkę muzyczną.
Reprezentowanie utworów muzycznych
Zanim Spotify będzie mógł sugerować Ci muzykę, jego algorytmy muszą w jakiś ilościowy sposób opisać każdy z milionów utworów w swojej bazie danych.
Tworzenie profilu dla każdego utworu muzycznego jest samo w sobie ciekawym problemem. Spotify zainwestowało w wiele badań, aby znaleźć najlepsze modele do opisania każdego rekordu w swoim katalogu.
Aby rozwiązać ten problem, Spotify wykorzystuje dwie główne metody tworzenia reprezentacji: filtrowanie oparte na treści i filtrowanie zespołowe.
Przyjrzyjmy się, co robi każda z tych metod i jak współpracują ze sobą, aby stworzyć holistyczną reprezentację muzyki.
Filtrowanie oparte na treści
Filtrowanie oparte na treści ma na celu opisanie każdej ścieżki poprzez zbadanie rzeczywistych danych i metadanych ścieżki.
Gdy artyści przesyłają muzykę do bazy danych Spotify, muszą dostarczyć sam plik muzyczny, a także dodatkowe informacje lub metadane. Metadane zawierają nazwę utworu, rok wydania, album utworu, a nawet długość samego utworu.
Gdy Spotify otrzyma te pliki, może szybko użyć dostarczonych metadanych do kategoryzacji utworów. Na przykład brytyjski singiel rockowy z 1989 roku można umieścić na kilku listach odtwarzania, takich jak „Klasyczne brytyjskie hity” czy nawet „Rock Songs from the 80s”.
Analiza surowego dźwięku
Jednak Spotify idzie o krok dalej i przeprowadza analizę samego nieprzetworzonego pliku audio, aby uzyskać dane ilościowe ze ścieżki. Jeśli przyjrzymy się API Spotify, możemy zobaczyć kilka z tych danych.
Na przykład API zawiera miernik energii, który mierzy „percepcyjną miarę intensywności i aktywności”. Zgodnie z dokumentacją metryka pochodzi z różnych atrybutów, w tym zakresu dynamicznego, postrzeganej głośności i barwy. Korzystając z tej metryki, Spotify może wspólnie kategoryzować wysokoenergetyczne utwory i podawać je jako rekomendacje dla użytkowników, którzy słuchają muzyki o wysokiej intensywności.
Oprócz energii Spotify określa również żywotność utworu, metrykę, która wykrywa obecność publiczności w nagraniu. Walencja to miara, która opisuje, jak pozytywny jest utwór. Wysoki dźwięk walencyjny wskazuje na wesołą i radosną muzykę, podczas gdy niższy dźwięk walencyjny wskazuje na muzykę smutną, przygnębioną lub gniewną.
Analiza czasowa
Spotify ma również inny interesujący algorytm analityczny, który opisuje strukturę czasową utworu. Pojedynczy utwór podzielony jest na różne segmenty: od sekcji (refren, brydż, solo instrumentalne), aż po poszczególne bity. Możesz sprawdzić, jak Spotify opisuje strukturę Twoich ulubionych piosenek, korzystając z tego narzędzie online wysyła żądanie do Spotify API.
Połączenie analizy czasowej z metrykami, takimi jak energia i walencja, może pomóc w przedstawieniu ścieżki w bardziej zniuansowany sposób. Możemy filtrować utwory, które stopniowo nabierają intensywności, lub znaleźć utwory pełne energii.
Analiza tekstu
Silnik rekomendacji Spotify wydobywa również informacje semantyczne z tekstu związanego z utworem lub wykonawcą za pomocą naturalnego modele przetwarzania języka.
Teksty piosenek mogą pomóc w lepszym zrozumieniu treści utworu. Możliwe, że Spotify szuka potencjalnych słów kluczowych lub Analiza nastrojów podczas tworzenia nowych list odtwarzania lub utworów radiowych.
Internet jest również przydatnym narzędziem do zrozumienia utworu lub wykonawcy. Spotify regularnie wykonuje przeglądy internetowe internetowych mediów i publikacji muzycznych, aby określić, jak prawdziwi ludzie opisują każdy utwór lub wykonawcę.
Filtrowanie zespołowe
Filtrowanie zespołowe odnosi się do podejścia, w którym można odfiltrować elementy preferowane przez użytkownika, analizując zwyczaje podobnych użytkowników.
Na przykład użytkownik A może polubić artystów X i Y, a inny użytkownik Spotify B również lubi X i Y. Jeśli użytkownik B słucha wielu piosenek artysty Z, możliwe, że użytkownik A również je polubi.
Jednym z problemów związanych z filtrowaniem grupowym przy użyciu tej metody jest to, że użytkownicy zazwyczaj mają bardziej zróżnicowane gusta muzyczne. Możliwe, że artysta Z to zupełnie inny gatunek niż artyści X i Y.
Aby temu zaradzić, Spotify wykorzystuje odmianę filtrowania grupowego, która analizuje współwystępowanie listy odtwarzania i sesji odsłuchowej. Mówiąc prościej, utwory, które zwykle znajdują się na tej samej liście odtwarzania lub utwory, których ludzie słuchają w tej samej sesji, prawdopodobnie będą podobne.
Spotify stosuje to wspólne podejście do filtrowania, aby pogrupować utwory w kategorie, które mogą nie być widoczne podczas analizy treści utworu.
Opisywanie gustu użytkownika
Mamy teraz dobrą reprezentację, która opisuje utwór lub wykonawcę. Jak więc możemy znaleźć odpowiednich użytkowników, którym możemy polecać piosenki?
Kolejnym trudnym problemem, który Spotify powinien rozwiązać, jest zrozumienie gustu muzycznego użytkowników.
Kiedy po raz pierwszy tworzysz konto Spotify, możesz zauważyć, że Spotify poprosi Cię o wybranie kilku gatunków lub wykonawców, których chcesz obserwować. To pierwszy krok do określenia, jakiego rodzaju muzyki użytkownik chce słuchać.
Następnie silnik rekomendacji Spotify śledzi całą Twoją aktywność w zakresie słuchania. Spotify ma sens, aby podawać więcej propozycji muzyki klasycznej, jeśli wszystko, czego szukasz, to muzyka klasyczna.
Jednak słuchanie utworu to tylko najbardziej podstawowy sygnał do rozważenia. Spotify analizuje także pomijane utwory, zapisywane utwory i obserwowanych wykonawców. Tego typu interakcje to bezpośrednie lub aktywne informacje zwrotne.
Ponadto Spotify analizuje również niejawne informacje zwrotne. Obejmuje to długość sesji odsłuchowej lub częstotliwość powtarzania utworu.
Korzystając ze wszystkich tych interakcji, Spotify powinien teraz być w stanie poznać Twoje preferencje dotyczące gatunku, nastroju i epoki. Platforma może również przewidzieć, jaki rodzaj muzyki możesz preferować o określonej porze dnia lub dnia tygodnia.
Spotify rozumie również, że użytkownicy często rozwijają swój gust muzyczny z biegiem czasu. Biorąc pod uwagę ten fakt, silnik rekomendacji Spotify kładzie większy nacisk na ostatnią aktywność niż na dane historyczne.
Wnioski
Chociaż platformy takie jak Apple Music mają więcej dostępnych utworów, a usługi takie jak TIDAL obiecują dźwięk o wysokiej wierności, Spotify nadal dominuje w globalnym rynku subskrybentów muzyki. Częścią tego sukcesu jest skuteczność systemu rekomendacji, który jest produktem ponad dekady badań i iteracji.
Celem systemu rekomendacji Spotify jest zapewnienie użytkownikom satysfakcjonujących doświadczeń, które pozwolą im spędzić dużo czasu na platformie. Utrzymanie użytkowników jest kluczowym wskaźnikiem sukcesu, jeśli chodzi o usługi subskrypcji online, takie jak Spotify.
Według Oskara Stala, wiceprezesa ds. personalizacji w Spotify, platforma ma na celu „zwiększenie ilości bardziej znaczącego dźwięku w Twoim życiu”. Poprzez użycie algorytmy uczenia maszynowego, Spotify jest w stanie dostarczać swoim użytkownikom świetne rekomendacje i pomagać artystom rozwijać się i mieć możliwość bycia wysłuchanym.
Dodaj komentarz