இசை ஸ்ட்ரீமிங் சேவைகளின் எழுச்சி, தற்போதைய தலைமுறை கேட்போர் இசையை எப்படி அணுகுகிறார்கள் என்பதை முற்றிலும் மாற்றிவிட்டது. ஒரு சிறிய மாதாந்திர சந்தாக் கட்டணத்தில் மில்லியன் கணக்கான பாடல்கள் கிடைப்பது மட்டுமல்லாமல், உங்கள் விருப்பத்திற்கேற்ப தனிப்பயனாக்கப்பட்ட இசையின் நிலையான ஸ்ட்ரீமை வழங்க, அல்காரிதம்கள் பின்னணியில் தீவிரமாகச் செயல்படுகின்றன.
இசை ஸ்ட்ரீமிங் போர்களில் முன்னணியில் இருப்பது ஸ்வீடிஷ் நிறுவனமான Spotify ஆகும். 400 ஆம் ஆண்டில் 2022 மில்லியனுக்கும் அதிகமான மாதாந்திர செயலில் உள்ள பயனர்களைக் குவிக்கும் அளவிற்கு இந்த இயங்குதளம் வளர்ந்துள்ளது. தேவைக்கேற்ப மிகப்பெரிய இசைச் சேவையைத் தவிர, Spotify தொடர்ந்து AI இன் எல்லைகளைத் தள்ளுகிறது மற்றும் இயந்திர கற்றல் இசை மற்றும் இசை பரிந்துரை சூழலில்.
டிஸ்கவர் வீக்லி அல்லது டெய்லி மிக்ஸ் போன்ற பிளேலிஸ்ட்கள், கலைஞர்களையும் கேட்பவர்களையும் ஒன்றாகப் பொருத்த முயற்சிக்கும் அல்காரிதம்களின் சிக்கலான அமைப்பைப் பயன்படுத்தி உருவாக்கப்படுகின்றன. Spotify திரைக்குப் பின்னால் எவ்வாறு செயல்படுகிறது என்பதை இந்தக் கட்டுரை வெளிச்சம் போட்டுக் காட்டும். பயனர்களுக்கான பயனுள்ள இசைக் க்யூரேட்டிங் சேவைகளை உருவாக்க, இந்த அல்காரிதங்கள் அனைத்தும் எவ்வாறு ஒன்றிணைந்து செயல்படுகின்றன என்பதைப் பற்றி நாங்கள் முழுக்குவோம்.
Spotify உங்களுக்கு விஷயங்களை எவ்வாறு பரிந்துரைக்கிறது?
Spotify ஒரு பரிந்துரை அமைப்பு என அறியப்படுவதை நம்பியுள்ளது. சிபாரிசு இயந்திரம் என்றும் அறியப்படும், அல்காரிதம் பயனர்களுக்கு பொருத்தமான பொருட்களைக் கண்டறிந்து பரிந்துரைக்கும் மாதிரியை உருவாக்குகிறது. தனிப்பயனாக்கப்பட்ட பிளேலிஸ்ட்கள் மற்றும் டிராக் பரிந்துரைகளை அதன் பயனர்களுக்கு வழங்குவதற்காக வடிவமைக்கப்பட்ட ஒரு பயனுள்ள பரிந்துரையாளர் அமைப்பை Spotify உருவாக்கியுள்ளது.
இந்த வகை அல்காரிதம் நம் அன்றாட வாழ்வில் நடைமுறையில் எங்கும் காணப்படுகிறது. அமேசான், யூடியூப் மற்றும் ஃபேஸ்புக் ஆகியவற்றை ஆப்ஸுடனான உங்கள் கடந்தகால தொடர்புகளின் அடிப்படையில் தொடர்புடைய உள்ளடக்கத்தை வழங்க அனுமதிக்கும் அம்சங்களை பரிந்துரைக்கும் அமைப்புகள் இயக்குகின்றன.
Spotify இன் பரிந்துரை இயந்திரம் இரண்டு பிரதிநிதித்துவங்களை சரியாகப் பெற வேண்டும்: பயனர் மற்றும் இசை டிராக்.
மியூசிக் டிராக்குகளைக் குறிக்கிறது
Spotify உங்களுக்கு இசையைப் பரிந்துரைக்கும் முன், அதன் அல்காரிதம்கள் அவற்றின் தரவுத்தளத்தில் உள்ள மில்லியன் கணக்கான டிராக்குகள் ஒவ்வொன்றையும் விவரிக்க சில அளவு வழிகளைக் கொண்டிருக்க வேண்டும்.
ஒவ்வொரு இசை டிராக்கிற்கும் ஒரு சுயவிவரத்தை உருவாக்குவது ஒரு சுவாரஸ்யமான சிக்கலாகும். Spotify அதன் பட்டியலில் உள்ள ஒவ்வொரு பதிவையும் விவரிக்க சிறந்த மாதிரிகளைக் கண்டறிய ஏராளமான ஆராய்ச்சிகளில் முதலீடு செய்துள்ளது.
இந்தச் சிக்கலைச் சமாளிக்க, Spotify ஒரு பிரதிநிதித்துவத்தை உருவாக்க இரண்டு முக்கிய முறைகளைப் பயன்படுத்துகிறது: உள்ளடக்க அடிப்படையிலான வடிகட்டுதல் மற்றும் கூட்டு வடிகட்டுதல்.
இந்த முறைகள் ஒவ்வொன்றும் என்ன செய்கிறது மற்றும் இசையின் முழுமையான பிரதிநிதித்துவத்தை உருவாக்க அவை எவ்வாறு இணைந்து செயல்படுகின்றன என்பதைப் பார்ப்போம்.
உள்ளடக்க அடிப்படையிலான வடிகட்டுதல்
டிராக்கின் உண்மையான தரவு மற்றும் மெட்டாடேட்டாவை ஆராய்வதன் மூலம் ஒவ்வொரு டிராக்கையும் விவரிப்பதை உள்ளடக்க அடிப்படையிலான வடிகட்டுதல் நோக்கமாகக் கொண்டுள்ளது.
கலைஞர்கள் Spotify இன் தரவுத்தளத்தில் இசையைப் பதிவேற்றும்போது, அவர்கள் உண்மையான இசைக் கோப்பையும், கூடுதல் தகவல் அல்லது மெட்டாடேட்டாவையும் வழங்க வேண்டும். மெட்டாடேட்டாவில் பாடலின் பெயர், அது வெளியான ஆண்டு, டிராக்கின் ஆல்பம் மற்றும் பாடலின் நீளம் ஆகியவை அடங்கும்.
Spotify இந்தக் கோப்புகளைப் பெறும்போது, பாடல்களை வகைப்படுத்த, வழங்கப்பட்ட மெட்டாடேட்டாவை விரைவாகப் பயன்படுத்தலாம். எடுத்துக்காட்டாக, 1989 இன் பிரிட்டிஷ் ராக் சிங்கிள், "கிளாசிக் பிரிட்டிஷ் ஹிட்ஸ்" அல்லது "80களின் ராக் பாடல்கள்" போன்ற பல பிளேலிஸ்ட்களில் சேர்க்கப்படலாம்.
மூல ஆடியோ பகுப்பாய்வு
இருப்பினும், Spotify ஒரு படி மேலே சென்று, டிராக்கிலிருந்து சில அளவு அளவீடுகளைப் பெற, மூல ஆடியோ கோப்பில் ஒரு பகுப்பாய்வு செய்கிறது. என்பதை நாம் எடுத்துப் பார்த்தால் Spotify API, இந்த அளவீடுகளில் சிலவற்றை நாம் பார்க்கலாம்.
எடுத்துக்காட்டாக, API ஆனது "தீவிரம் மற்றும் செயல்பாட்டின் புலனுணர்வு அளவை" அளவிடும் ஆற்றல் அளவீட்டை உள்ளடக்கியது. ஆவணங்களின்படி, மெட்ரிக் டைனமிக் வரம்பு, உணரப்பட்ட சத்தம் மற்றும் டிம்ப்ரே உள்ளிட்ட பல்வேறு பண்புகளிலிருந்து பெறப்பட்டது. இந்த மெட்ரிக்கைப் பயன்படுத்தி, Spotify அதிக ஆற்றல் கொண்ட பாடல்களை ஒன்றாக வகைப்படுத்தலாம் மற்றும் அதிக செறிவு கொண்ட இசையைக் கேட்கும் பயனர்களுக்கு பரிந்துரைகளாக வழங்கலாம்.
ஆற்றலைத் தவிர, ஸ்பாட்டிஃபை டிராக்கின் உயிரோட்டத்தையும் தீர்மானிக்கிறது, இது ரெக்கார்டிங்கில் பார்வையாளர்கள் இருப்பதைக் கண்டறியும் மெட்ரிக். வேலன்ஸ் என்பது ஒரு டிராக் எவ்வளவு நேர்மறையானது என்பதை விவரிக்கும் அளவீடு ஆகும். அதிக வேலன்ஸ் ஒலி மகிழ்ச்சியான மற்றும் மகிழ்ச்சியான இசையைக் குறிக்கிறது, அதே சமயம் குறைந்த வேலன்ஸ் ஒலி சோகம், மனச்சோர்வு அல்லது கோபமான இசையைக் குறிக்கிறது.
தற்காலிக பகுப்பாய்வு
டிராக்கின் தற்காலிக அமைப்பை விவரிக்கும் மற்றொரு சுவாரஸ்யமான பகுப்பாய்வு அல்காரிதமும் Spotify கொண்டுள்ளது. ஒரு ஒற்றைத் தடம் வெவ்வேறு பிரிவுகளாகப் பிரிக்கப்பட்டுள்ளது: பிரிவுகளிலிருந்து (கோரஸ், பிரிட்ஜ், இன்ஸ்ட்ரூமென்டல் சோலோ), தனிப்பட்ட பீட்ஸ் வரை. இதைப் பயன்படுத்தி உங்களுக்குப் பிடித்த பாடல்களின் கட்டமைப்பை Spotify எவ்வாறு விவரிக்கிறது என்பதை நீங்கள் பார்க்கலாம் ஆன்லைன் கருவி இது Spotify API க்கு கோரிக்கையை அனுப்புகிறது.
ஆற்றல் மற்றும் வேலன்ஸ் போன்ற அளவீடுகளுடன் தற்காலிக பகுப்பாய்வை இணைப்பது, தடத்தை மிகவும் நுணுக்கமான முறையில் பிரதிநிதித்துவப்படுத்த உதவும். படிப்படியாக தீவிரத்தை உருவாக்கும் பாடல்களை நாம் வடிகட்டலாம் அல்லது அதிக ஆற்றல் கொண்ட பாடல்களைக் காணலாம்.
உரை பகுப்பாய்வு
Spotify இன் பரிந்துரை இயந்திரம் இயற்கையைப் பயன்படுத்துவதன் மூலம் டிராக் அல்லது கலைஞருடன் தொடர்புடைய உரையிலிருந்து சொற்பொருள் தகவலைப் பிரித்தெடுக்கிறது மொழி செயலாக்க மாதிரிகள்.
பாடல் வரிகள் பாடலின் உள்ளடக்கத்தை மேலும் புரிந்துகொள்ள உதவும். சாத்தியமான முக்கிய வார்த்தைகளை Spotify தேடுவது சாத்தியம் அல்லது உணர்வு பகுப்பாய்வு புதிய பிளேலிஸ்ட்கள் அல்லது டிராக் ரேடியோக்களை உருவாக்கும் போது.
ஒரு தடம் அல்லது கலைஞரைப் புரிந்துகொள்ள இணையம் ஒரு பயனுள்ள கருவியாகும். ஒவ்வொரு டிராக்கையும் கலைஞரையும் உண்மையான நபர்கள் எவ்வாறு விவரிக்கிறார்கள் என்பதைத் தீர்மானிக்க, ஆன்லைன் மீடியா அவுட்லெட்கள் மற்றும் இசை வெளியீடுகளின் வலை ஸ்கிராப்புகளை Spotify தொடர்ந்து செய்கிறது.
கூட்டு வடிகட்டுதல்
கூட்டு வடிகட்டுதல் என்பது ஒரே மாதிரியான பயனர்களின் பழக்கவழக்கங்களைப் பார்த்து ஒரு பயனர் விரும்பும் உருப்படிகளை வடிகட்டக்கூடிய அணுகுமுறையைக் குறிக்கிறது.
எடுத்துக்காட்டாக, A பயனர் கலைஞர்கள் X மற்றும் Y ஐ விரும்பலாம், மேலும் மற்றொரு Spotify பயனர் B X மற்றும் Y ஐ விரும்பலாம். பயனர் B கலைஞர் Z இலிருந்து நிறைய பாடல்களைக் கேட்டால், பயனர் A யும் அவர்களை விரும்பக்கூடும்.
இந்த முறையைப் பயன்படுத்தி கூட்டு வடிகட்டுதலில் உள்ள ஒரு சிக்கல் என்னவென்றால், பயனர்கள் பொதுவாக இசையில் மிகவும் மாறுபட்ட ரசனையைக் கொண்டுள்ளனர். கலைஞர் X மற்றும் Y கலைஞர்களிடமிருந்து முற்றிலும் மாறுபட்ட வகையைச் சேர்ந்த கலைஞர் Z என்பது சாத்தியம்.
இதை எதிர்த்துப் போராட, Spotify கூட்டு வடிகட்டலின் மாறுபாட்டைப் பயன்படுத்துகிறது. எளிமையான சொற்களில், ஒரே பிளேலிஸ்ட்டில் இருக்கும் டிராக்குகள் அல்லது ஒரே அமர்வில் மக்கள் கேட்கும் பாடல்கள் ஒரே மாதிரியாக இருக்கும்.
Spotify இந்த கூட்டு வடிகட்டுதல் அணுகுமுறையைப் பயன்படுத்தி, பாடலின் உள்ளடக்கத்தை பகுப்பாய்வு செய்யும் போது வெளிப்படையாகத் தெரியாத வகைகளாகப் பாடல்களை ஒன்றிணைக்கிறது.
பயனர் சுவையை விவரிக்கிறது
டிராக் அல்லது கலைஞரை விவரிக்கும் நல்ல பிரதிநிதித்துவம் இப்போது எங்களிடம் உள்ளது. பாடல்களை பரிந்துரைக்க சரியான பயனர்களை எப்படி கண்டுபிடிப்பது?
Spotify தீர்க்க வேண்டிய மற்றொரு சவாலான பிரச்சனை, அதன் பயனர்களின் இசை ரசனையைப் புரிந்துகொள்வது.
நீங்கள் முதலில் Spotify கணக்கை உருவாக்கும்போது, நீங்கள் பின்பற்ற விரும்பும் சில வகைகளை அல்லது கலைஞர்களைத் தேர்ந்தெடுக்க Spotify உங்களைக் கேட்பதை நீங்கள் கவனிக்கலாம். பயனர் எந்த வகையான இசையைக் கேட்க விரும்புகிறார் என்பதைத் தீர்மானிப்பதற்கான முதல் படி இதுவாகும்.
பின்னர், Spotify இன் பரிந்துரை இயந்திரம் உங்கள் முழு கேட்கும் செயல்பாட்டையும் கண்காணிக்கும். நீங்கள் தேடுவது கிளாசிக்கல் இசையாக இருந்தால், Spotify உங்களுக்கு அதிக கிளாசிக்கல் இசை பரிந்துரைகளை வழங்குவது அர்த்தமுள்ளதாக இருக்கும்.
இருப்பினும், ஒரு பாடலைக் கேட்பது கருத்தில் கொள்ள வேண்டிய மிக அடிப்படையான சமிக்ஞையாகும். Spotify நீங்கள் தவிர்க்கும் பாடல்கள், நீங்கள் சேமித்த தடங்கள் மற்றும் நீங்கள் பின்தொடரும் கலைஞர்கள் ஆகியவற்றையும் பார்க்கிறது. இந்த வகையான தொடர்புகள் வெளிப்படையான அல்லது செயலில் உள்ள பின்னூட்டம்.
அதற்கு மேல், Spotify மறைமுகமான கருத்துக்களையும் பார்க்கிறது. கேட்கும் அமர்வின் நீளம் அல்லது ஒரு பாடலை எத்தனை முறை திரும்பத் திரும்பச் சொல்கிறீர்கள் என்பது இதில் அடங்கும்.
இந்த அனைத்து தொடர்புகளையும் பயன்படுத்தி, Spotify இப்போது வகை, மனநிலை மற்றும் சகாப்தத்தில் உங்கள் விருப்பங்களைக் கண்டறிய முடியும். வாரத்தின் ஒரு குறிப்பிட்ட நேரத்தில் அல்லது நாளின் போது நீங்கள் எந்த வகையான இசையை விரும்புவீர்கள் என்பதையும் தளம் கணிக்க முடியும்.
பயனர்கள் பெரும்பாலும் காலப்போக்கில் இசையில் தங்கள் ரசனையை வளர்த்துக் கொள்கிறார்கள் என்பதையும் Spotify புரிந்துகொள்கிறது. இந்த உண்மையைக் கருத்தில் கொண்டு, Spotify பரிந்துரை இயந்திரம், வரலாற்றுத் தரவுகளின் மீதான சமீபத்திய செயல்பாட்டின் மீது அதிக எடையை வைக்கிறது.
தீர்மானம்
ஆப்பிள் மியூசிக் போன்ற இயங்குதளங்களில் அதிகமான பாடல்கள் இருந்தாலும், டைடல் போன்ற சேவைகள் அதிக நம்பகத்தன்மை கொண்ட ஒலியை உறுதியளிக்கின்றன என்றாலும், இசை சந்தாதாரர்களின் உலகளாவிய சந்தைப் பங்கில் Spotify தொடர்ந்து ஆதிக்கம் செலுத்துகிறது. அந்த வெற்றியின் ஒரு பகுதி அதன் பரிந்துரை முறையின் செயல்திறன் ஆகும், இது ஒரு தசாப்தத்திற்கும் மேலான ஆராய்ச்சி மற்றும் மறு செய்கையின் விளைவாகும்.
Spotify இன் பரிந்துரை முறையின் குறிக்கோள், பயனர்களுக்கு திருப்திகரமான அனுபவத்தை வழங்குவதாகும், இது அவர்கள் மேடையில் நீண்ட நேரம் செலவிட உதவும். Spotify போன்ற ஆன்லைன் சந்தா சேவைகளுக்கு வரும்போது பயனர் தக்கவைப்பு என்பது வெற்றிக்கான முக்கிய அளவீடு ஆகும்.
Spotify இல் தனிப்பயனாக்கத்தின் VP, Oskar Stal இன் கூற்றுப்படி, தளமானது "உங்கள் வாழ்க்கையில் அதிக அர்த்தமுள்ள ஆடியோவின் அளவை அதிகரிப்பதை" நோக்கமாகக் கொண்டுள்ளது. பயன்படுத்துவதன் மூலம் இயந்திர கற்றல் வழிமுறைகள், Spotify அதன் பயனர்களுக்கு சிறந்த பரிந்துரைகளை வழங்க முடியும் மற்றும் கலைஞர்கள் வளர உதவுவதோடு கேட்கும் வாய்ப்பையும் பெறுகிறது.
ஒரு பதில் விடவும்