本周一，正如其它每个周一，一亿多 Spotify 用户每东谈主都收到了一个新鲜的歌单。这个叫作念每周发现的歌单内搀杂了用户从未听过然而可能会可爱的 30首歌曲。适度号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其怜爱。为什么呢？因为我认为它懂我。它比我性掷中的任何东谈主都更明晰我的音乐试吃。我很欢娱每周它都能心仪我的需求，一如既往地推选一些我我方历久都不会找到或知谈会可爱的歌曲。

关于那些两耳不闻窗外事的东谈主们，请允许我先容一下我的捏造好友：

[图片施展: 我的 Spotify 每周发现歌单]

没念念到，在这方面我不是一个东谈主，不光是我对每周发现如斯陶醉 – 系数这个词用户群体都趋之若鹜。这股飞腾使得 Spotify 从头退换了它的重点，并在基于算法的歌单上参加了更多的资源。

Dave Howitz: @Spotfiy 每周发现的歌单对我的了解进程几乎屁滚尿流，老到到就像一个也曾与我有过沿途濒死体验的前女友一样。

Amanda Whitbred: 目下 @Spotify 的每周发现对我一经了解到如果它目下求婚，我也会说开心的地步了。

自「每周发现」在 2015 年第一次上线以来，我就雄伟念念知谈它是怎样运作的（而且由于我是 Spotify 公司的迷妹，我可爱假装在何处责任并联系他们的居品）。 经过三周的浪漫Google，我终于满怀感德地赢得了一些幕后的学问。

是以 Spotify 到底是怎样顺利作念到给每东谈主每周挑选 30 首歌曲的？咱们先来仔细看下其它的音乐工作是怎样作念音乐推选，以及 Spotify 是怎样更胜一筹的。

在线音乐甄选工作简史

早在千禧年之初，Songza 就初始使用手动甄选为用户提供歌单。手动甄选的酷爱即是所谓的音乐人人或者其他剪辑会手动挑选一些他们我方认为可以的音乐作念成歌单，然后听众可以径直拿来听。（稍后，Beats 音乐也选拔了通常的战略）。手动甄选适度尚可，然而由于这种步调仅仅纯手工挑选，样式步调也比拟浅近，它并不可和蔼到每个听众音乐试吃的秘要互异。

跟 Songza 一样， Pandora 亦然音乐甄选工作边界的早期玩家之一。它使用了一个略为更高等的步调来代替给歌曲属性手工打标签。即民众在听音乐的时候，对每首歌曲挑选一些神气性的词语来行动标签。进而，Pandora 的设施可以径直过滤特定的标签来生成包含相似歌曲的歌单。

差未几归拢时辰，一个隶属于麻省理工学院媒体实验室的名叫 The Echo Nest 的音乐信息机构，经受了一个皆备不同的高等战略来定制音乐。The Echo Nest 使用算法来分析音频和音乐的文本内容，以完成音乐识别，个性化推选，歌单创建和分析等。

终末，是 Last.fm 别有肺肠，选拔了另一个沿用于今的战略。那即是垄断协同过滤来识别用户可能可爱的音乐。稍后本文会张开筹商更多这方面的内容。

是以说既然其他的音乐甄选工作都竣事了推选功能，Spotify 究竟是怎样操作我方的神奇引擎，来竣事甩出竞争敌手几条街的用户试吃认识度的呢？

Spotify 的三种推选模子

事实上 Spotify 并莫得使用什么单一的改进性推选模子，而是搀杂了一些其他公司使用的最好的战略来创建他们我方唯一无二的强项发现引擎。

Spotify 使用三种主要的推选模子来创建每周发现：

协同过滤模子（即 Last.fm 最早使用的那些模子）。责任旨趣为分析你和其他用户的行径。 天然谈话责罚（NLP）模子 。责任旨趣为分析文本。 音频模子。责任旨趣为分析原始音频声谈自己。

咱们来具体看下这些推选模子是怎样责任的！

推选模子之一：协同过滤

领先先容下配景：当许多东谈主听到协同过滤这几个词的时候，他们会坐窝联念念到 Netflix，因为它是第一个垄断协同过滤来竣事推选模子的公司之一。其作念法主若是使用用户提交的电影星级来缱绻推选那些电影给其他近似的用户。

自 Netflix 将其顺利应用以来，协同过滤初始快速流传开来。目下无论是谁念念竣事一个推选模子的话，一般都会拿它行动首次尝试。

与Netflix不同的是，Spotify 并莫得用户对他们音乐的星级评价数据。Spotify 所用的数据是隐形响应的，具体来说即是咱们在线听歌的歌曲次数，以过头他额外信息，诸如用户是否保存歌曲到个东谈主歌单，或者听完歌曲后是否接着看望艺术家主页等。

但什么是协同过滤，到底它是怎样责任的呢？底下用一段直快对话来作念一个大约的先容。

啥情况? 正本这俩东谈主内部每东谈主都有我方的一些歌曲偏好 – 左边的东谈主可爱歌曲 P, Q, R 和 S; 右边的东谈主可爱 Q, R, S 和 T。

协同过滤系统进而垄断这些数据得出论断，

“嗯。既然你俩都可爱沟通的歌曲 – Q，R 和 S – 那么你们可能是近似的用户。是以你们应该会可爱另一个东谈主听过然而你还莫得听过的歌曲。”

系统然后忽视右边的东谈主去体验下歌曲 P，以及左边的东谈主去体验下歌曲 T。听起来够浅近吧？

然而 Spotify 具体是怎样具体应用这个意见，来缱绻基于百万级的用户偏好从而得出数以百万计的用户歌曲推选呢？

…矩阵运算，用 Python 库即可竣事

执行中，此处说起的矩阵是极其雄伟的。每行都代表了 Spotify 的一亿四千万用户中的一员（如果你也用 Spotify，那么你亦然这个矩阵中的一转），而每一列则代表了 Spotify 数据库中三亿首歌曲中的一首。

然后，Python 库就初始跑这个漫长而复杂的矩阵明白公式：

缱绻完成后，系统会生成两种类型的向量，在此分别定名为 X 和 Y。X 为用户向量，代表单个用户的音乐试吃。Y 则为歌曲向量，代表单支歌曲的特征。

目下咱们得到了一亿四千万个用户向量，每东谈主一个，还有三亿歌曲向量。这些向量的具体内容仅仅一些单独拎出来自身并不测旨的数字，然而在后头进行比拟时会很是有用。

为了找到那些跟我相似试吃的用户，协同过滤系统会拿我的向量跟其他用户的向量作比拟，最终会找到那些跟我最相似的用户。关于 Y 向量，亦然通常的历程 – 你可以拿一首歌的向量与其他的歌曲向量作念比拟，进而找出哪些歌曲是跟你目下正在看的歌曲最相似。

协同过滤确乎适度可以，然而 Spotify 深知再添加另外一个引擎的话适度会更出色。这就到了天然谈话责罚出场的时候了。

推选模子之二：天然谈话责罚

Spotify 经受的第二个推选模子即是天然谈话责罚。这些模子的源数据，正如名字所示，即是一些普通的谈话翰墨 – 举例歌曲的元数据，新闻著述，博客，和互联网上的其它文本等。

天然谈话责罚 – 缱绻机通晓东谈主类谈话的才智 – 自己即是一个巨大的边界，日常通过心扉分析应用编程接口（API）来进行操作责罚。

天然谈话责罚背后的具体旨趣超出了本文的筹商范围，然而在此本文可以提供一些省略的神气：Spotify 会在网上束缚爬取博客帖子以过头它音乐相关的文本，并找出东谈主们对特定的艺术家和歌曲的评述 – 比如说东谈主们对这些歌曲频频使用哪些描画词息兵话, 以及哪些其他艺术家和歌曲也会和它们放在沿途筹商。

天然我不知谈 Spotify 怎样责罚他们执取的数据，然而我可以先容下 The Echo Nest 是怎样使用它们的。他们会把数据分类成“文化向量”和“最好考语集”。每个艺术家和歌曲都异常以千计的逐日更新的最好考语集。每个考语都有一个相关的权重，来示意其神气的雄伟性（浅近说即是某东谈主可能会用该考语神气某个音乐的概率）。

[ “Cultural vectors”, or “top terms”, as used by the Echo Nest. Table from Brian Whitman]

然后，与协同过滤近似，天然谈话责罚模子用这些考语和权重来创建一个歌曲的抒发向量，可以用来笃定两首音乐是否相似。很酷吧？

推选模子之三：原始音频模子

领先，你可能会问这个问题：

然而，Sophia，咱们一经从前两种模子中赢得了这样多数据！为什么还要不竭分析音频自己呢？

额，领先要说的是，引入第三个模子会进一步提升这个一经很优秀的推选工作的准确性。但骨子上，经受这个模子还有另外一个次要野心：原始音频模子会把新歌探究进来。

比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它唯有 50 次听歌纪录，是以很少能有其他听众来沿途协同过滤它。与此同期，它也在网上也莫得留住几许陈迹，是以天然谈话责罚模子也不会提防到它。行运的是，原始音频模子并不分袂新歌曲和热点歌曲。是以有了它的维护，你一又友的歌曲也可以和流行歌曲一谈出目下每周发现的歌单内部。

好了，到了“怎样”的部分了。咱们怎样才能分析这些看起来如斯笼统的原始音频数据呢？

…用卷积神经辘集！

卷积神经辘集通常亦然扶持面部识别的技艺。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据责罚而不是像素点。底下是一个神经辘集架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经辘集有四个卷积层，具体为图中左侧的宽柱，和右边的略微窄些的三根柱。输入是音频帧的时频示意，进而联接起来酿成频谱图。

音频帧会穿过这些卷积层，经过终末一个卷积层，你可以看到一个“全局临时池”层。该层在系数这个词时辰轴上采集数据，并灵验缱绻和统计歌曲时长内的学习特征。

责罚完之后，神经辘集中得出其对歌曲的通晓，包括想到的时辰签名，曲调，调式，球拍及音量等特征。底下即是 Draft Punk 的 “Around the World” 30 秒片断的数据图。

[Image Credit: Tristan Jehan & David DesRoches (The Echo Nest)]

最终，对这些对歌曲关节特征的通晓可以让 Spotify 来决定歌曲之间的相似度，以及阐明用户听歌历史来判断哪些用户可能会可爱它们。

这些基本涵盖了为每周发现提供搭救的推选功课历程所依赖的三种主要模子。

[ Cassandra instances]

天然了，这些推选模子也和 Spotify 其它更大的生态系统联接在沿途，其中包括垄断海量的数据存储以及很是多的 Hadoop 集群来作念推选工作的彭胀，使得引擎得以缱绻巨型矩阵，源源束缚的互联网音乐著述和大都的音频文献。

我但愿本文可以对你有所启发，而且像其时它对我一样卤莽激起你的好奇。怀着对幕后的机器学习技艺的了解和感恩之情，目下我将通过我我方的每周发现来寻找我可爱的音乐。