本周一，正如其它每个周一，一亿多 Spotify 用户每东说念主齐收到了一个簇新的歌单。这个叫作念每周发现的歌单内夹杂了用户从未听过然而可能会可爱的 30首歌曲。恶果号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其疼爱。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齐更明晰我的音乐品尝。我很情景每周它齐能逍遥我的需求，一如既往地推选一些我我方持久齐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捏造好友：

[图片确认: 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耽溺 – 统统用户群体齐趋之若鹜。这股激越使得 Spotify 从头调理了它的要点，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几乎魂不守舍，熟识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: 现时 @Spotify 的每周发现对我如故了解到如果它现时求婚，我也会说应许的地步了。

自「每周发现」在 2015 年第一次上线以来，我就要紧思知说念它是若何运作的（而且由于我是 Spotify 公司的迷妹，我可爱假装在哪里责任并估量他们的家具）。 经过三周的荒诞Google，我终于满怀感德地取得了一些幕后的常识。

是以 Spotify 到底是如何得手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作事是如何作念音乐推选，以及 Spotify 是如何更胜一筹的。

在线音乐甄选作事简史

早在千禧年之初，Songza 就运转使用手动甄选为用户提供歌单。手动甄选的兴致等于所谓的音乐大众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，然后听众可以平直拿来听。（稍后，Beats 音乐也遴荐了雷同的政策）。手动甄选恶果尚可，然而由于这种顺序仅仅纯手工挑选，表情顺序也比拟肤浅，它并不成热心到每个听众音乐品尝的好意思妙各异。

跟 Songza 一样， Pandora 亦然音乐甄选作事畛域的早期玩家之一。它使用了一个略为更高等的顺序来代替给歌曲属性手工打标签。即各人在听音乐的时候，对每首歌曲挑选一些描画性的词语来看成标签。进而，Pandora 的顺序可以平直过滤特定的标签来生成包含相似歌曲的歌单。

差未几归拢时刻，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，经受了一个十足不同的高等政策来定制音乐。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。

临了，是 Last.fm 独辟路子，遴荐了另一个沿用于今的政策。那等于欺诈协同过滤来识别用户可能可爱的音乐。稍后本文会张开磋磨更多这方面的内容。

是以说既然其他的音乐甄选作事齐结束了推选功能，Spotify 究竟是若何操作我方的神奇引擎，来结束甩出竞争敌手几条街的用户品尝认知度的呢？

Spotify 的三种推选模子

事实上 Spotify 并莫得使用什么单一的翻新性推选模子，而是夹杂了一些其他公司使用的最好的政策来创建他们我方唯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）。责任道理为分析你和其他用户的举止。 天然言语惩处（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若何责任的！

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，因为它是第一个欺诈协同过滤来结束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打算推选那些电影给其他访佛的用户。

自 Netflix 将其得手应用以来，协同过滤运转快速流传开来。现时无论是谁思结束一个推选模子的话，一般齐会拿它看成初度尝试。

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映的，具体来说等于咱们在线听歌的歌曲次数，以过火他特地信息，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探询艺术家主页等。

但什么是协同过滤，到底它是如何责任的呢？底下用一段节略对话来作念一个节略的先容。

啥情况? 正本这俩东说念主内部每东说念主齐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。

协同过滤系统进而欺诈这些数据得出论断，

“嗯。既然你俩齐可爱疏通的歌曲 – Q，R 和 S – 那么你们可能是访佛的用户。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。听起来够肤浅吧？

然而 Spotify 具体是若何具体应用这个见地，来打算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 库即可结束

试验中，此处说起的矩阵是极其浩大的。每行齐代表了 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瞥），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 库就运转跑这个漫长而复杂的矩阵理会公式：

打算完成后，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。

现时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额外有用。

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现时正在看的歌曲最相似。

协同过滤照实恶果可以，然而 Spotify 深知再添加另外一个引擎的话恶果会更出色。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 经受的第二个推选模子等于天然言语惩处。这些模子的源数据，正如名字所示，等于一些平方的言语笔墨 – 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 – 打算机交融东说念主类言语的能力 – 自己等于一个巨大的畛域，等闲通过心扉分析应用编程接口（API）来进行操作惩处。

天然言语惩处背后的具体道理超出了本文的磋磨畛域，然而在此本文可以提供一些鄙俚的描画：Spotify 会在网上握住爬取博客帖子以过火它音乐有关的文本，并找出东说念主们对特定的艺术家和歌曲的指摘 – 比如说东说念主们对这些歌曲时时使用哪些描述词和言语, 以及哪些其他艺术家和歌曲也会和它们放在沿途磋磨。

天然我不知说念 Spotify 如何惩处他们握取的数据，然而我可以先容下 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”。每个艺术家和歌曲齐少见以千计的逐日更新的最好考语集。每个考语齐有一个有关的权重，来示意其描画的要紧性（肤浅说等于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，与协同过滤访佛，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：

然而，Sophia，咱们如故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提升这个如故很优秀的推选作事的准确性。但实质上，经受这个模子还有另外一个次要标的：原始音频模子会把新歌商量进来。

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沿途协同过滤它。与此同期，它也在网上也莫得留住若干陈迹，是以天然言语惩处模子也不会谛视到它。走时的是，原始音频模子并不分裂新歌曲和热点歌曲。是以有了它的襄理，你一又友的歌曲也可以和流行歌曲一说念出现时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详细的原始音频数据呢？

…用卷积神经蚁集！

卷积神经蚁集雷同亦然撑持面部识别的时代。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。底下是一个神经蚁集架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经蚁集有四个卷积层，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示意，进而纠合起来酿成频谱图。

音频帧会穿过这些卷积层，经过临了一个卷积层，你可以看到一个“全局临时池”层。该层在统统时刻轴上采集数据，并有用打算和统计歌曲时长内的学习特征。

惩处完之后，神经蚁麇集得出其对歌曲的交融，包括谋略的时刻签名，曲调，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，对这些对歌曲要津特征的交融可以让 Spotify 来决定歌曲之间的相似度，以及左证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纠合在沿途，其中包括欺诈海量的数据存储以及额外多的 Hadoop 集群来作念推选作事的延迟，使得引擎得以打算巨型矩阵，取之不尽的互联网音乐著述和浩繁的音频文献。

我但愿本文可以对你有所启发，况且像其时它对我一样八成激起你的深嗜。怀着对幕后的机器学习时代的了解和谢忱之情，现时我将通过我我方的每周发现来寻找我可爱的音乐。