Зростання потокових музичних сервісів повністю змінило ставлення до музики нинішнього покоління слухачів. Мільйони пісень доступні не тільки за невелику місячну плату за підписку, але й алгоритми активно працюють у фоновому режимі, щоб забезпечити постійний потік музики, персоналізованої на ваш смак.
Лідирує у потокових війнах музики шведська компанія Spotify. У 400 році платформа набрала понад 2022 мільйонів активних користувачів щомісяця. Крім того, що Spotify є найбільшим музичним сервісом за запитом, постійно розширює межі ШІ та навчання за допомогою машини у контексті музики та музичних рекомендацій.
Списки відтворення, такі як Discover Weekly або Daily Mix, створюються за допомогою складної системи алгоритмів, які намагаються зіставити виконавців і слухачів. Ця стаття проллє світло на те, як Spotify працює за лаштунками. Ми зануримося в те, як усі ці алгоритми працюють разом, щоб створити ефективні служби курування музики для користувачів.
Як Spotify рекомендує вам речі?
Spotify покладається на так звану систему рекомендацій. Алгоритм, також відомий як механізм рекомендацій, створює модель для пошуку та рекомендації відповідних елементів користувачам. Spotify створив ефективну систему рекомендацій, призначену для надання персоналізованих списків відтворення та пропозицій доріжок своїм користувачам.
Цей тип алгоритму практично всюдисущий у нашому повсякденному житті. Системи рекомендацій керують функціями, які дозволяють Amazon, YouTube і Facebook надавати вам релевантний вміст на основі ваших попередніх взаємодій із програмою.
Механізм рекомендацій Spotify має правильно представити два: користувача та сам музичний трек.
Представлення музичних треків
Перш ніж Spotify зможе запропонувати вам музику, його алгоритми повинні мати певний кількісний спосіб опису кожного з мільйонів треків у своїй базі даних.
Створення профілю для кожної музичної композиції — це сама по собі цікава проблема. Spotify інвестував у багато досліджень, щоб знайти найкращі моделі для опису кожного запису в своєму каталозі.
Щоб вирішити цю проблему, Spotify використовує два основні методи створення представлення: фільтрацію на основі вмісту та спільну фільтрацію.
Давайте розглянемо, що робить кожен із цих методів і як вони працюють разом, щоб створити цілісне представлення музики.
Фільтрування на основі вмісту
Фільтрація на основі вмісту має на меті описати кожну доріжку шляхом вивчення фактичних даних і метаданих доріжки.
Коли виконавці завантажують музику до бази даних Spotify, вони повинні надати сам музичний файл, а також додаткову інформацію чи метадані. Метадані містять назву пісні, рік її випуску, альбом композиції та навіть тривалість самої пісні.
Коли Spotify отримує ці файли, він може швидко використовувати надані метадані для категоризації пісень. Британський рок-сингл 1989 року, наприклад, можна додати до кількох списків відтворення, таких як «Класичні британські хіти» або навіть «Рок-пісні 80-х».
Аналіз необробленого аудіо
Однак Spotify йде ще далі й проводить аналіз самого необробленого аудіофайлу, щоб отримати деякі кількісні показники з треку. Якщо ми подивимося на Spotify API, ми можемо побачити деякі з цих показників.
Наприклад, API містить показник енергії, який вимірює «перцептивну міру інтенсивності та активності». Згідно з документацією, метрика виводиться з різних атрибутів, включаючи динамічний діапазон, сприйману гучність і тембр. Використовуючи цей показник, Spotify може класифікувати енергійні пісні разом і надавати їх як рекомендації користувачам, які слухають інтенсивну музику.
Крім енергії, Spotify також визначає живість треку, показник, який визначає присутність аудиторії в записі. Валентність – це вимірювання, яке описує, наскільки позитивним є трек. Звук з високою валентністю вказує на веселу та щасливу музику, тоді як звук із нижчою валентністю вказує на сумну, пригнічену або сердиту музику.
Тимчасовий аналіз
Spotify також має ще один цікавий алгоритм аналітики, який описує часову структуру треку. Один трек поділений на різні сегменти: від розділів (хор, бридж, інструментальне соло) до самих окремих ударів. Ви можете перевірити, як Spotify описує структуру ваших улюблених пісень, використовуючи це онлайн інструмент який надсилає запит до Spotify API.
Поєднання часового аналізу з такими показниками, як енергія та валентність, може допомогти представити трек у більш тонкий спосіб. Ми можемо відфільтрувати пісні, інтенсивність яких поступово зростає, або знайти пісні, які мають високу енергію.
Аналіз тексту
Механізм рекомендацій Spotify також витягує семантичну інформацію з тексту, пов’язаного з композицією чи виконавцем, за допомогою природного моделі обробки мови.
Текст пісні може допомогти краще зрозуміти зміст пісні. Можливо, Spotify шукає потенційні ключові слова або аналіз настроїв під час створення нових списків відтворення або треків радіо.
Інтернет також є корисним інструментом для розуміння композиції чи виконавця. Spotify регулярно виконує сканування онлайн-медіа та музичних видань, щоб визначити, як реальні люди описують кожен трек чи виконавця.
Спільна фільтрація
Спільна фільтрація стосується підходу, коли ви можете відфільтрувати елементи, які користувач може віддати перевагу, дивлячись на звички схожих користувачів.
Наприклад, користувачеві A можуть подобатися виконавці X і Y, а іншому користувачеві Spotify B також подобаються X і Y. Якщо користувач B слухає багато пісень виконавця Z, можливо, вони також можуть сподобатися користувачеві A.
Однією з проблем спільної фільтрації за допомогою цього методу є те, що користувачі, як правило, мають більш різноманітні музичні смаки. Цілком можливо, що художник Z є зовсім іншим жанром, ніж художники X і Y.
Щоб боротися з цим, Spotify використовує варіант спільного фільтрування, який розглядає список відтворення та сеанс прослуховування. Простіше кажучи, треки, які, як правило, є в одному списку відтворення, або пісні, які люди слухають під час одного сеансу, швидше за все, будуть схожі.
Spotify використовує цей підхід спільного фільтрування, щоб групувати пісні в категорії, які можуть бути неочевидними під час аналізу вмісту пісні.
Опис смаку користувача
Тепер у нас є хороше представлення, яке описує трек або виконавця. Як тоді знайти правильних користувачів, яким можна рекомендувати пісні?
Ще одна складна проблема, яку має вирішити Spotify, це розуміння музичних смаків своїх користувачів.
Коли ви вперше створюєте обліковий запис Spotify, ви можете помітити, що Spotify попросить вас вибрати кілька жанрів або виконавців, за якими ви хочете стежити. Це перший крок у визначенні типу музики, яку хоче слухати користувач.
Після цього механізм рекомендацій Spotify відстежує всю вашу активність прослуховування. Для Spotify має сенс надавати вам більше пропозицій класичної музики, якщо ви шукаєте лише класичну музику.
Однак прослуховування треку – це лише найосновніший сигнал, який слід враховувати. Spotify також перевіряє пісні, які ви пропускаєте, треки, які ви зберігаєте, і виконавців, за якими ви підписалися. Ці типи взаємодії є явним або активним зворотним зв'язком.
Крім того, Spotify також розглядає неявні відгуки. Це включає тривалість сеансу прослуховування або частоту повторення пісні.
Використовуючи всі ці взаємодії, Spotify тепер зможе визначити ваші вподобання щодо жанру, настрою та епохи. Платформа також може передбачити, який тип музики ви віддасте перевагу в певний час доби чи день тижня.
Spotify також розуміє, що користувачі часто розвивають свій смак до музики з часом. Враховуючи цей факт, механізм рекомендацій Spotify надає більше ваги нещодавній активності, ніж історичним даним.
Висновок
Незважаючи на те, що такі платформи, як Apple Music, мають більше доступних пісень, а такі сервіси, як TIDAL, обіцяють високоякісне звучання, Spotify продовжує домінувати на світовому ринку передплатників музики. Частиною цього успіху є ефективність її системи рекомендацій, яка є продуктом понад десятиліття досліджень і ітерацій.
Мета системи рекомендацій Spotify — надати користувачам задоволення, яке дозволить їм проводити тривалий час на платформі. Утримання користувачів є ключовим показником успіху, коли справа доходить до послуг онлайн-підписки, таких як Spotify.
За словами Оскара Стала, віце-президента з персоналізації Spotify, мета платформи – «збільшити кількість більш значущого аудіо у вашому житті». За допомогою використання алгоритми машинного навчання, Spotify може надавати чудові рекомендації своїм користувачам і допомагати артистам розвиватися та мати можливість бути почутими.
залишити коментар