Развитие сервисов потоковой передачи музыки полностью изменило отношение к музыке нынешнего поколения слушателей. Мало того, что миллионы песен доступны за небольшую ежемесячную абонентскую плату, алгоритмы активно работают в фоновом режиме, чтобы обеспечить постоянный поток музыки, персонализированной на ваш вкус.
Ведущей войной музыкальных стриминговых сервисов является шведская компания Spotify. Платформа выросла до 400 миллионов активных пользователей в месяц в 2022 году. Помимо того, что Spotify является крупнейшим музыкальным сервисом по запросу, он постоянно расширяет границы ИИ и обучение с помощью машины в контексте музыки и музыкальных рекомендаций.
Списки воспроизведения, такие как Discover Weekly или Daily Mix, создаются с использованием сложной системы алгоритмов, которые пытаются сопоставить исполнителей и слушателей вместе. Эта статья прольет свет на то, как Spotify работает за кулисами. Мы углубимся в то, как все эти алгоритмы работают вместе, чтобы создать эффективные сервисы для курирования музыки для пользователей.
Как Spotify рекомендует вам вещи?
Spotify полагается на так называемую рекомендательную систему. Алгоритм, также известный как механизм рекомендаций, создает модель для поиска и рекомендации релевантных элементов пользователям. Spotify создал эффективную рекомендательную систему, предназначенную для предоставления пользователям настраиваемых списков воспроизведения и предложений треков.
Этот тип алгоритма практически повсеместен в нашей повседневной жизни. Рекомендательные системы управляют функциями, которые позволяют Amazon, YouTube и Facebook предоставлять вам релевантный контент на основе ваших прошлых взаимодействий с приложением.
Механизм рекомендаций Spotify должен правильно отображать два представления: пользователя и саму музыкальную дорожку.
Представление музыкальных дорожек
Прежде чем Spotify сможет предложить вам музыку, его алгоритмы должны иметь какой-то количественный способ описания каждого из миллионов треков в их базе данных.
Создание профиля для каждой музыкальной дорожки само по себе является интересной задачей. Spotify провел множество исследований, чтобы найти лучших моделей для описания каждой записи в своем каталоге.
Чтобы решить эту проблему, Spotify использует два основных метода создания представления: фильтрацию на основе контента и совместную фильтрацию.
Давайте посмотрим, что делает каждый из этих методов и как они работают вместе, чтобы создать целостное представление музыки.
Контентная фильтрация
Контентная фильтрация направлена на описание каждой дорожки путем изучения фактических данных и метаданных дорожки.
Когда артисты загружают музыку в базу данных Spotify, они должны предоставить сам музыкальный файл, а также дополнительную информацию или метаданные. Метаданные включают название песни, год ее выпуска, альбом трека и даже продолжительность самой песни.
Когда Spotify получает эти файлы, он может быстро использовать предоставленные метаданные для классификации песен. Например, британский рок-сингл 1989 года можно включить в несколько списков воспроизведения, таких как «Классические британские хиты» или даже «Рок-песни 80-х».
Анализ необработанного аудио
Однако Spotify идет еще дальше и выполняет анализ самого необработанного аудиофайла, чтобы получить некоторые количественные показатели трека. Если мы посмотрим на API-интерфейс Spotify, мы можем увидеть некоторые из этих показателей.
Например, API включает метрику энергии, которая измеряет «перцептивную меру интенсивности и активности». Согласно документации, метрика выводится из различных атрибутов, включая динамический диапазон, воспринимаемую громкость и тембр. Используя эту метрику, Spotify может классифицировать песни с высокой энергией и использовать их в качестве рекомендаций для пользователей, которые слушают музыку с высокой интенсивностью.
Помимо энергии, Spotify также определяет живость трека — показатель, который определяет присутствие аудитории в записи. Валентность — это измерение, которое описывает, насколько позитивен трек. Звук с высокой валентностью указывает на веселую и счастливую музыку, а звук с более низкой валентностью указывает на грустную, депрессивную или злую музыку.
Временной анализ
У Spotify также есть еще один интересный алгоритм аналитики, описывающий временную структуру трека. Один трек делится на разные сегменты: от разделов (припев, бридж, инструментальное соло) до самих отдельных битов. Вы можете проверить, как Spotify описывает структуру ваших любимых песен, используя этот онлайн-инструмент который отправляет запрос к API Spotify.
Сочетание временного анализа с метриками, такими как энергия и валентность, может помочь представить трек более тонким образом. Мы можем фильтровать песни, интенсивность которых постепенно нарастает, или находить песни, которые полны энергии на всем протяжении.
Анализ текста
Механизм рекомендаций Spotify также извлекает семантическую информацию из текста, относящегося к треку или исполнителю, с помощью естественных модели обработки языка.
Тексты песен могут помочь лучше понять содержание песни. Возможно, Spotify ищет потенциальные ключевые слова или анализ настроений при создании новых плейлистов или прослушивании радиостанций.
Интернет также является полезным инструментом для понимания трека или исполнителя. Spotify регулярно выполняет веб-скрапинг интернет-изданий и музыкальных изданий, чтобы определить, как реальные люди описывают каждый трек или исполнителя.
Совместная фильтрация
Совместная фильтрация относится к подходу, при котором вы можете отфильтровывать элементы, которые может предпочесть пользователь, изучая привычки похожих пользователей.
Например, пользователю A могут понравиться исполнители X и Y, а другому пользователю Spotify B также нравятся X и Y. Если пользователь B слушает много песен исполнителя Z, то, возможно, они могут понравиться и пользователю A.
Одна из проблем с совместной фильтрацией с использованием этого метода заключается в том, что пользователи обычно имеют более разнообразные музыкальные вкусы. Вполне возможно, что артист Z совершенно другого жанра, чем художники X и Y.
Чтобы бороться с этим, Spotify использует разновидность совместной фильтрации, которая анализирует совпадающие плейлисты и сеансы прослушивания. Проще говоря, треки, которые обычно находятся в одном плейлисте, или песни, которые люди слушают в одном и том же сеансе, с большей вероятностью будут похожи.
Spotify использует этот подход к совместной фильтрации для группировки песен по категориям, которые могут быть неочевидны при анализе содержания песни.
Описание вкуса пользователя
Теперь у нас есть хорошее представление, описывающее трек или исполнителя. Как же тогда найти подходящих пользователей, которым можно порекомендовать песни?
Еще одна сложная проблема, которую должен решить Spotify, — это понимание музыкальных вкусов своих пользователей.
Когда вы впервые создаете учетную запись Spotify, вы можете заметить, что Spotify попросит вас выбрать несколько жанров или исполнителей, за которыми вы хотите следить. Это первый шаг в определении того, какой тип музыки хочет слушать пользователь.
После этого механизм рекомендаций Spotify отслеживает всю вашу активность прослушивания. Spotify имеет смысл предлагать вам больше предложений классической музыки, если все, что вы ищете, это классическая музыка.
Тем не менее, прослушивание трека — это лишь самый простой сигнал, который следует учитывать. Spotify также анализирует песни, которые вы пропускаете, треки, которые вы сохраняете, и исполнителей, на которых вы подписаны. Эти типы взаимодействия являются явной или активной обратной связью.
Кроме того, Spotify также изучает неявную обратную связь. Это включает в себя продолжительность сеанса прослушивания или частоту повторения песни.
Используя все эти взаимодействия, Spotify теперь сможет узнать ваши предпочтения в жанре, настроении и эпохе. Платформа также может предсказать, какой тип музыки вы предпочитаете в определенное время дня или день недели.
Spotify также понимает, что у пользователей часто развиваются музыкальные вкусы с течением времени. Учитывая этот факт, рекомендательный механизм Spotify придает большее значение недавней активности, а не историческим данным.
Заключение
Несмотря на то, что такие платформы, как Apple Music, имеют больше доступных песен, а такие сервисы, как TIDAL, обещают высококачественный звук, Spotify продолжает доминировать на мировом рынке музыкальных подписчиков. Частью этого успеха является эффективность его системы рекомендаций, которая является результатом более чем десятилетнего исследования и итераций.
Цель рекомендательной системы Spotify — предоставить пользователям удовлетворительный опыт, который позволит им проводить долгое время на платформе. Удержание пользователей — ключевой показатель успеха, когда речь идет о службах онлайн-подписки, таких как Spotify.
По словам Оскара Стала, вице-президента по персонализации Spotify, цель платформы — «увеличить количество более значимого звука в вашей жизни». Благодаря использованию алгоритмы машинного обучения, Spotify может давать отличные рекомендации своим пользователям и помогать артистам развиваться и иметь возможность быть услышанными.
Оставьте комментарий