本周一，正如其它每个周一，一亿多 Spotify 用户每东说念主王人收到了一个清新的歌单。这个叫作念每周发现的歌单内搀杂了用户从未听过然而可能会可爱的 30首歌曲。遵循号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其醉心。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王人更赫然我的音乐品尝。我很愉快每周它王人能得志我的需求，一如既往地推选一些我我方永远王人不会找到或知说念会可爱的歌曲。

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：

[图片走漏: 我的 Spotify 每周发现歌单]

没念念到，在这方面我不是一个东说念主，不光是我对每周发现如斯耽溺 – 统统用户群体王人趋之若鹜。这股上升使得 Spotify 从头调遣了它的要点，并在基于算法的歌单上插足了更多的资源。

Dave Howitz: @Spotfiy 每周发现的歌单对我的了解进度险些屁滚尿流，熟识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 的每周发现对我照旧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，我就遑急念念知说念它是何如运作的（而且由于我是 Spotify 公司的迷妹，我可爱假装在那儿责任并商酌他们的居品）。 经过三周的跋扈Google，我终于满怀感德地赢得了一些幕后的学问。

是以 Spotify 到底是若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办事是若何作念音乐推选，以及 Spotify 是若何更胜一筹的。

在线音乐甄选办事简史

早在千禧年之初，Songza 就驱动使用手动甄选为用户提供歌单。手动甄选的道理便是所谓的音乐内行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 音乐也弃取了雷同的计策）。手动甄选遵循尚可，然而由于这种交替仅仅纯手工挑选，神气交替也比拟简便，它并不可关怀到每个听众音乐品尝的奥秘各别。

跟 Songza 一样， Pandora 亦然音乐甄选办事边界的早期玩家之一。它使用了一个略为更高等的交替来代替给歌曲属性手工打标签。即全球在听音乐的时候，对每首歌曲挑选一些描画性的词语来算作标签。进而，Pandora 的才能可以径直过滤特定的标签来生成包含相似歌曲的歌单。

差未几合并时候，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，招揽了一个澈底不同的高等计策来定制音乐。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 匠心独具，弃取了另一个沿用于今的计策。那便是运用协同过滤来识别用户可能可爱的音乐。稍后本文会伸开谋划更多这方面的内容。

是以说既然其他的音乐甄选办事王人终明晰推选功能，Spotify 究竟是何如操作我方的神奇引擎，来终了甩出竞争敌手几条街的用户品尝融会度的呢？

Spotify 的三种推选模子

事实上 Spotify 并莫得使用什么单一的翻新性推选模子，而是搀杂了一些其他公司使用的最好的计策来创建他们我方唯独无二的坚硬发现引擎。

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）。责任道理为分析你和其他用户的行为。 天然谈话措置（NLP）模子 。责任道理为分析文本。 音频模子。责任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何如责任的！

推选模子之一：协同过滤

领先先容下配景：当许多东说念主听到协同过滤这几个词的时候，他们会坐窝联念念到 Netflix，因为它是第一个运用协同过滤来终了推选模子的公司之一。其作念法主如果使用用户提交的电影星级来运筹帷幄推选那些电影给其他雷同的用户。

自 Netflix 将其收效应用以来，协同过滤驱动快速流传开来。当今不管是谁念念终了一个推选模子的话，一般王人会拿它算作初度尝试。

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 所用的数据是隐形反应的，具体来说便是咱们在线听歌的歌曲次数，以过火他独特信息，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，到底它是若何责任的呢？底下用一段肤浅对话来作念一个大要的先容。

啥情况? 原本这俩东说念主内部每东说念主王人有我方的一些歌曲偏好 – 左边的东说念主可爱歌曲 P, Q, R 和 S; 右边的东说念主可爱 Q, R, S 和 T。

协同过滤系统进而运用这些数据得出论断，

“嗯。既然你俩王人可爱疏导的歌曲 – Q，R 和 S – 那么你们可能是雷同的用户。是以你们应该会可爱另一个东说念主听过然而你还莫得听过的歌曲。”

系统然后冷漠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。听起来够简便吧？

然而 Spotify 具体是何如具体应用这个主见，来运筹帷幄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 库即可终了

现实中，此处说起的矩阵是极其宽绰的。每行王人代表了 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 库就驱动跑这个漫长而复杂的矩阵剖析公式：

运筹帷幄完成后，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。

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，然而在背面进行比拟时会很是有用。

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比拟，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当今正在看的歌曲最相似。

协同过滤如实遵循可以，然而 Spotify 深知再添加另外一个引擎的话遵循会更出色。这就到了天然谈话措置出场的时候了。

推选模子之二：天然谈话措置

Spotify 招揽的第二个推选模子便是天然谈话措置。这些模子的源数据，正如名字所示，便是一些宽泛的谈话笔墨 – 举例歌曲的元数据，新闻著作，博客，和互联网上的其它文本等。

天然谈话措置 – 运筹帷幄机斡旋东说念主类谈话的智力 – 自己便是一个巨大的边界，无为通过心绪分析应用编程接口（API）来进行操作措置。

天然谈话措置背后的具体道理超出了本文的谋划范围，然而在此本文可以提供一些粗陋的描画：Spotify 会在网上不停爬取博客帖子以过火它音乐关系的文本，并找出东说念主们对特定的艺术家和歌曲的褒贬 – 比如说东说念主们对这些歌曲络续使用哪些描摹词媾和话, 以及哪些其他艺术家和歌曲也会和它们放在一齐谋划。

固然我不知说念 Spotify 若何措置他们执取的数据，然而我可以先容下 The Echo Nest 是若何使用它们的。他们会把数据分类成“文化向量”和“最好考语集”。每个艺术家和歌曲王人少见以千计的逐日更新的最好考语集。每个考语王人有一个关系的权重，来暗示其描画的雄伟性（简便说便是某东说念主可能会用该考语描画某个音乐的概率）。

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

然后，与协同过滤雷同，天然谈话措置模子用这些考语和权重来创建一个歌曲的抒发向量，可以用来详情两首音乐是否相似。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，咱们照旧从前两种模子中赢得了这样多数据！为什么还要连续分析音频自己呢？

额，领先要说的是，引入第三个模子会进一步擢升这个照旧很优秀的推选办事的准确性。但现实上，招揽这个模子还有另外一个次要目标：原始音频模子会把新歌接洽进来。

比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它唯独 50 次听歌记载，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陈迹，是以天然谈话措置模子也不会属目到它。运道的是，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说念出当今每周发现的歌单内部。

好了，到了“若何”的部分了。咱们若何才能分析这些看起来如斯详细的原始音频数据呢？

…用卷积神经会聚！

卷积神经会聚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措置而不是像素点。底下是一个神经会聚架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经会聚有四个卷积层，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暗示，进而勾搭起来酿成频谱图。

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。该层在统统时候轴上采集数据，并灵验运筹帷幄和统计歌曲时长内的学习特征。

措置完之后，神经会聚会得出其对歌曲的斡旋，包括意想的时候签名，调子，调式，球拍及音量等特征。底下便是 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，对这些对歌曲要道特征的斡旋可以让 Spotify 来决定歌曲之间的相似度，以及凭据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维持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勾搭在一齐，其中包括运用海量的数据存储以及很是多的 Hadoop 集群来作念推选办事的推广，使得引擎得以运筹帷幄巨型矩阵，源源不停的互联网音乐著作和多数的音频文献。

我但愿本文可以对你有所启发，而况像那时它对我一样约略激起你的敬爱。怀着对幕后的机器学习时间的了解和谢忱之情，当今我将通过我我方的每周发现来寻找我可爱的音乐。