本周一，正如其它每个周一，一亿多 Spotify 用户每东说念主都收到了一个极新的歌单。这个叫作念每周发现的歌单内夹杂了用户从未听过然则可能会心爱的 30首歌曲。成果号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其怜爱。为什么呢？因为我合计它懂我。它比我性掷中的任何东说念主都更了了我的音乐回味。我很雅瞻念每周它都能满足我的需求，一如既往地推选一些我我方经久都不会找到或知说念会心爱的歌曲。

关于那些两耳不闻窗外事的东说念主们，请允许我先容一下我的杜撰好友：

[图片证明: 我的 Spotify 每周发现歌单]

没思到，在这方面我不是一个东说念主，不光是我对每周发现如斯沉迷 – 悉数这个词用户群体都趋之若鹜。这股高涨使得 Spotify 再行调动了它的要点，并在基于算法的歌单上进入了更多的资源。

Dave Howitz: @Spotfiy 每周发现的歌单对我的了解进度几乎屁滚尿流，熟谙到就像一个也曾与我有过一齐濒死体验的前女友一样。

Amanda Whitbred: 当今 @Spotify 的每周发现对我还是了解到如果它当今求婚，我也会说甘愿的地步了。

自「每周发现」在 2015 年第一次上线以来，我就紧要思知说念它是如何运作的（而且由于我是 Spotify 公司的迷妹，我心爱假装在何处使命并接洽他们的居品）。 经过三周的荒诞Google，我终于满怀感德地取得了一些幕后的学问。

是以 Spotify 到底是如何顺利作念到给每东说念主每周挑选 30 首歌曲的？咱们先来仔细看下其它的音乐做事是如何作念音乐推选，以及 Spotify 是如何更胜一筹的。

在线音乐甄选做事简史

早在千禧年之初，Songza 就启动使用手动甄选为用户提供歌单。手动甄选的真理等于所谓的音乐各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 音乐也采用了不异的战术）。手动甄选成果尚可，然则由于这种要领仅仅纯手工挑选，形势要领也比拟简陋，它并不行善良到每个听众音乐回味的精巧互异。

跟 Songza 一样， Pandora 亦然音乐甄选做事边界的早期玩家之一。它使用了一个略为更高档的要领来代替给歌曲属性手工打标签。即大众在听音乐的时候，对每首歌曲挑选一些描写性的词语来当作标签。进而，Pandora 的要害可以径直过滤特定的标签来生成包含相似歌曲的歌单。

差未几团结时分，一个附庸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，吸收了一个王人备不同的高档战术来定制音乐。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，采用了另一个沿用于今的战术。那等于应用协同过滤来识别用户可能心爱的音乐。稍后本文会张开计议更多这方面的内容。

是以说既然其他的音乐甄选做事都完毕了推选功能，Spotify 究竟是如何操作我方的神奇引擎，来完毕甩出竞争敌手几条街的用户回味认知度的呢？

Spotify 的三种推选模子

事实上 Spotify 并莫得使用什么单一的改变性推选模子，而是夹杂了一些其他公司使用的最好的战术来创建他们我方唯独无二的刚毅发现引擎。

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）。使命道理为分析你和其他用户的举止。 天然谈话责罚（NLP）模子 。使命道理为分析文本。 音频模子。使命道理为分析原始音频声说念自己。

咱们来具体看下这些推选模子是如何使命的！

推选模子之一：协同过滤

最初先容下配景：当好多东说念主听到协同过滤这几个词的时候，他们会坐窝联思到 Netflix，因为它是第一个应用协同过滤来完毕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诡计推选那些电影给其他近似的用户。

自 Netflix 将其顺利应用以来，协同过滤启动快速流传开来。当今无论是谁思完毕一个推选模子的话，一般都会拿它当作首次尝试。

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 所用的数据是隐形反映的，具体来说等于咱们在线听歌的歌曲次数，以偏执他极度信息，诸如用户是否保存歌曲到个东说念主歌单，或者听完歌曲后是否接着拜谒艺术家主页等。

但什么是协同过滤，到底它是如何使命的呢？底下用一段简陋对话来作念一个约莫的先容。

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

协同过滤系统进而应用这些数据得出论断，

“嗯。既然你俩都心爱调换的歌曲 – Q，R 和 S – 那么你们可能是近似的用户。是以你们应该会心爱另一个东说念主听过然则你还莫得听过的歌曲。”

系统然后提倡右边的东说念主去体验下歌曲 P，以及左边的东说念主去体验下歌曲 T。听起来够简陋吧？

然则 Spotify 具体是如何具体应用这个宗旨，来诡计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 库即可完毕

现实中，此处说起的矩阵是极其深广的。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滑），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 库就启动跑这个漫长而复杂的矩阵明白公式：

诡计完成后，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回味。Y 则为歌曲向量，代表单支歌曲的特征。

当今咱们得到了一亿四千万个用户向量，每东说念主一个，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无道理的数字，然则在背面进行比拟时会格外有用。

为了找到那些跟我相似回味的用户，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，亦然不异的经由 – 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当今正在看的歌曲最相似。

协同过滤照实成果可以，然则 Spotify 深知再添加另外一个引擎的话成果会更出色。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 吸收的第二个推选模子等于天然谈话责罚。这些模子的源数据，正如名字所示，等于一些昔时的谈话翰墨 – 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 – 诡计机通晓东说念主类谈话的智商 – 自己等于一个巨大的边界，泛泛通过表情分析应用编程接口（API）来进行操作责罚。

天然谈话责罚背后的具体道理超出了本文的计议限制，然则在此本文可以提供一些毛糙的描写：Spotify 会在网上不休爬取博客帖子以偏执它音乐干系的文本，并找出东说念主们对特定的艺术家和歌曲的批驳 – 比如说东说念主们对这些歌曲频频使用哪些形容词寝兵话, 以及哪些其他艺术家和歌曲也会和它们放在一齐计议。

固然我不知说念 Spotify 如何责罚他们执取的数据，然则我可以先容下 The Echo Nest 是如何使用它们的。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罕见以千计的逐日更新的最好考语集。每个考语都有一个干系的权重，来暗示其描写的紧要性（简陋说等于某东说念主可能会用该考语描写某个音乐的概率）。

[ “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，可以用来确信两首音乐是否相似。很酷吧？

推选模子之三：原始音频模子

最初，你可能会问这个问题：

然则，Sophia，咱们还是从前两种模子中取得了这样多数据！为什么还要接续分析音频自己呢？

额，最初要说的是，引入第三个模子会进一步进步这个还是很优秀的推选做事的准确性。但试验上，吸收这个模子还有另外一个次要野心：原始音频模子会把新歌研究进来。

比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它惟有 50 次听歌纪录，是以很少能有其他听众来一齐协同过滤它。与此同期，它也在网上也莫得留住几许印迹，是以天然谈话责罚模子也不会慎重到它。运道的是，原始音频模子并不区别新歌曲和热点歌曲。是以有了它的帮手，你一又友的歌曲也可以和流行歌曲一说念出当今每周发现的歌单内部。

好了，到了“如何”的部分了。咱们如何能力分析这些看起来如斯详尽的原始音频数据呢？

…用卷积神经相聚！

卷积神经相聚不异亦然相沿面部识别的时刻。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。底下是一个神经相聚架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经相聚有四个卷积层，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暗示，进而运动起来酿成频谱图。

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。该层在悉数这个词时分轴上网罗数据，并灵验诡计和统计歌曲时长内的学习特征。

责罚完之后，神经相聚会得出其对歌曲的通晓，包括揣度的时分签名，调子，调式，球拍及音量等特征。底下等于 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，对这些对歌曲关键特征的通晓可以让 Spotify 来决定歌曲之间的相似度，以及说明用户听歌历史来判断哪些用户可能会心爱它们。

这些基本涵盖了为每周发现提供支柱的推选功课经由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运动在一齐，其中包括应用海量的数据存储以合格外多的 Hadoop 集群来作念推选做事的彭胀，使得引擎得以诡计巨型矩阵，取之不尽的互联网音乐著述和多半的音频文献。

我但愿本文可以对你有所启发，而况像其时它对我一样或者激起你的风趣。怀着对幕后的机器学习时刻的了解和感恩之情，当今我将通过我我方的每周发现来寻找我心爱的音乐。