本周一，正如其它每个周一，一亿多 Spotify 用户每东说念主皆收到了一个簇新的歌单。这个叫作念每周发现的歌单内搀杂了用户从未听过关联词可能会心爱的 30首歌曲。后果号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其嗜好。为什么呢？因为我以为它懂我。它比我性射中的任何东说念主皆更明晰我的音乐品尝。我很温和每周它皆能骄横我的需求，一如既往地推选一些我我方永远皆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：

[图片说明: 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进 – 扫数用户群体皆趋之若鹜。这股上涨使得 Spotify 再行调节了它的要点，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度险些热锅上蚂蚁，熟谙到就像一个也曾与我有过扫数濒死体验的前女友一样。

Amanda Whitbred: 刻下 @Spotify 的每周发现对我一经了解到如果它刻下求婚，我也会说得意的地步了。

自「每周发现」在 2015 年第一次上线以来，我就垂危思知说念它是怎样运作的（而且由于我是 Spotify 公司的迷妹，我心爱假装在那边责任并连络他们的居品）。 经过三周的豪恣Google，我终于满怀感德地赢得了一些幕后的常识。

是以 Spotify 到底是如何收效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 就开动使用手动甄选为用户提供歌单。手动甄选的兴味即是所谓的音乐巨匠或者其他裁剪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 音乐也给与了雷同的计谋）。手动甄选后果尚可，关联词由于这种次序仅仅纯手工挑选，方式次序也相比绵薄，它并不成调节到每个听众音乐品尝的神秘各异。

跟 Songza 一样， Pandora 亦然音乐甄选做事领域的早期玩家之一。它使用了一个略为更高档的次序来代替给歌曲属性手工打标签。即环球在听音乐的时候，对每首歌曲挑选一些边幅性的词语来手脚标签。进而，Pandora 的口头可以径直过滤特定的标签来生成包含相似歌曲的歌单。

差未几并吞时候，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，给与了一个彻底不同的高档计谋来定制音乐。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，给与了另一个沿用于今的计谋。那即是欺诈协同过滤来识别用户可能心爱的音乐。稍后本文会伸开征询更多这方面的内容。

是以说既然其他的音乐甄选做事皆已毕了推选功能，Spotify 究竟是怎样操作我方的神奇引擎，来已毕甩出竞争敌手几条街的用户品尝默契度的呢？

Spotify 的三种推选模子

事实上 Spotify 并莫得使用什么单一的立异性推选模子，而是搀杂了一些其他公司使用的最好的计谋来创建他们我方惟一无二的强盛发现引擎。

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。 天然言语惩处（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说念本人。

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

最初先容下配景：当许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，因为它是第一个欺诈协同过滤来已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算计推选那些电影给其他雷同的用户。

自 Netflix 将其收效应用以来，协同过滤开动快速流传开来。刻下不管是谁思已毕一个推选模子的话，一般皆会拿它手脚初度尝试。

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，以偏执他畸形信息，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造访艺术家主页等。

但什么是协同过滤，到底它是如何责任的呢？底下用一段苟简对话来作念一个大要的先容。

啥情况? 正本这俩东说念主内部每东说念主皆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。

协同过滤系统进而欺诈这些数据得出论断，

“嗯。既然你俩皆心爱沟通的歌曲 – Q，R 和 S – 那么你们可能是雷同的用户。是以你们应该会心爱另一个东说念主听过关联词你还莫得听过的歌曲。”

系统然后提议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。听起来够绵薄吧？

关联词 Spotify 具体是怎样具体应用这个倡导，来算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 库即可已毕

现实中，此处说起的矩阵是极其盛大的。每行皆代表了 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 库就开动跑这个漫长而复杂的矩阵理会公式：

算计完成后，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品尝。Y 则为歌曲向量，代表单支歌曲的特征。

刻下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兴味兴味的数字，关联词在背面进行相比时会绝顶有用。

为了找到那些跟我相似品尝的用户，协同过滤系统会拿我的向量跟其他用户的向量作相比，最终会找到那些跟我最相似的用户。关于 Y 向量，亦然雷同的经由 – 你可以拿一首歌的向量与其他的歌曲向量作念相比，进而找出哪些歌曲是跟你刻下正在看的歌曲最相似。

协同过滤照实后果可以，关联词 Spotify 深知再添加另外一个引擎的话后果会更出色。这就到了天然言语惩处出场的时候了。

推选模子之二：天然言语惩处

Spotify 给与的第二个推选模子即是天然言语惩处。这些模子的源数据，正如名字所示，即是一些泛泛的言语笔墨 – 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。

天然言语惩处 – 算计机领略东说念主类言语的才智 – 本人即是一个巨大的领域，等闲通过情怀分析应用编程接口（API）来进行操作惩处。

天然言语惩处背后的具体旨趣超出了本文的征询规模，关联词在此本文可以提供一些和鄙俗的边幅：Spotify 会在网上延续爬取博客帖子以偏执它音乐关连的文本，并找出东说念主们对特定的艺术家和歌曲的评述 – 比如说东说念主们对这些歌曲等闲使用哪些刻画词和言语, 以及哪些其他艺术家和歌曲也会和它们放在扫数征询。

天然我不知说念 Spotify 如何惩处他们握取的数据，关联词我可以先容下 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”。每个艺术家和歌曲皆罕有以千计的逐日更新的最好考语集。每个考语皆有一个关连的权重，来默示其边幅的首要性（绵薄说即是某东说念主可能会用该考语边幅某个音乐的概率）。

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

然后，与协同过滤雷同，天然言语惩处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

最初，你可能会问这个问题：

关联词，Sophia，咱们一经从前两种模子中赢得了这样多数据！为什么还要赓续分析音频本人呢？

额，最初要说的是，引入第三个模子会进一步擢升这个一经很优秀的推选做事的准确性。但试验上，给与这个模子还有另外一个次要目标：原始音频模子会把新歌商酌进来。

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 次听歌记载，是以很少能有其他听众来扫数协同过滤它。与此同期，它也在网上也莫得留住若干足迹，是以天然言语惩处模子也不会考究无比到它。运道的是，原始音频模子并不分歧新歌曲和热点歌曲。是以有了它的赞理，你一又友的歌曲也可以和流行歌曲一说念出刻下每周发现的歌单内部。

好了，到了“如何”的部分了。咱们如何才能分析这些看起来如斯玄虚的原始音频数据呢？

…用卷积神经麇集！

卷积神经麇集雷同亦然撑持面部识别的时间。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据惩处而不是像素点。底下是一个神经麇集架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经麇集有四个卷积层，具体为图中左侧的宽柱，和右边的稍稍窄些的三根柱。输入是音频帧的时频默示，进而贯穿起来酿成频谱图。

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。该层在扫数时候轴上麇集数据，并有用算计和统计歌曲时长内的学习特征。

惩处完之后，神经麇集合得出其对歌曲的领略，包括测度的时候签名，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领略可以让 Spotify 来决定歌曲之间的相似度，以及把柄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维持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贯穿在扫数，其中包括欺诈海量的数据存储以及绝顶多的 Hadoop 集群来作念推选做事的膨胀，使得引擎得以算计巨型矩阵，用之不断的互联网音乐著述和无数的音频文献。

我但愿本文可以对你有所启发，何况像那时它对我一样大略激起你的钦慕。怀着对幕后的机器学习时间的了解和谢意之情，刻下我将通过我我方的每周发现来寻找我心爱的音乐。