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极新的歌单。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？因为我合计它懂我。它比我性射中的任何东说念主齐更了了我的音乐回味。我很重生每周它齐能欢欣我的需求，一如既往地保举一些我我方遥远齐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诬捏好友：

[图片讲明: 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沦落 – 通盘这个词用户群体齐趋之若鹜。这股上升使得 Spotify 从头退换了它的要点，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程几乎屁滚尿流，郑重到就像一个也曾与我有过沿路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，我也会说情愿的地步了。

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何如运作的（而且由于我是 Spotify 公司的迷妹，我心爱假装在何处职责并接洽他们的居品）。 经过三周的豪恣Google，我终于满怀感德地获得了一些幕后的常识。

是以 Spotify 到底是怎么生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怎么作念音乐保举，以及 Spotify 是怎么更胜一筹的。

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。手动甄选的真谛即是所谓的音乐大师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 音乐也弃取了一样的计谋）。手动甄选后果尚可，关联词由于这种步履仅仅纯手工挑选，方式步履也比拟马虎，它并不可关注到每个听众音乐回味的好意思妙相反。

跟 Songza 一样， Pandora 亦然音乐甄选做事规模的早期玩家之一。它使用了一个略为更高等的步履来代替给歌曲属性手工打标签。即世界在听音乐的时候，对每首歌曲挑选一些描述性的词语来当作标签。进而，Pandora 的法子可以径直过滤特定的标签来生成包含相似歌曲的歌单。

差未几归拢期间，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，采用了一个十足不同的高等计谋来定制音乐。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，个性化保举，歌单创建和分析等。

终末，是 Last.fm 独辟路子，弃取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。稍后本文会伸开商酌更多这方面的内容。

是以说既然其他的音乐甄选做事齐竣事了保举功能，Spotify 究竟是何如操作我方的神奇引擎，来竣事甩出竞争敌手几条街的用户回味默契度的呢？

Spotify 的三种保举模子

事实上 Spotify 并莫得使用什么单一的翻新性保举模子，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唯一无二的执意发现引擎。

Spotify 使用三种主要的保举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）。职责旨趣为分析你和其他用户的行为。 天然话语解决（NLP）模子 。职责旨趣为分析文本。 音频模子。职责旨趣为分析原始音频声说念自己。

咱们来具体看下这些保举模子是何如职责的！

保举模子之一：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竣事保举模子的公司之一。其作念法主若是使用用户提交的电影星级来缱绻保举那些电影给其他访佛的用户。

自 Netflix 将其生效应用以来，协同过滤开动快速流传开来。当今无论是谁思竣事一个保举模子的话，一般齐会拿它当作初度尝试。

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 所用的数据是隐形响应的，具体来说即是咱们在线听歌的歌曲次数，以偏激他稀奇信息，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问艺术家主页等。

但什么是协同过滤，到底它是怎么职责的呢？底下用一段节略对话来作念一个大要的先容。

啥情况? 本来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。既然你俩齐心爱调换的歌曲 – 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。”

系统然后漠视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。听起来够马虎吧？

关联词 Spotify 具体是何如具体应用这个见识，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保举呢？

…矩阵运算，用 Python 库即可竣事

本质中，此处说起的矩阵是极其深广的。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溜），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分解公式：

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真谛的数字，关联词在背面进行比拟时会相配有用。

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，亦然一样的历程 – 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。这就到了天然话语解决出场的时候了。

保举模子之二：天然话语解决

Spotify 采用的第二个保举模子即是天然话语解决。这些模子的源数据，正如名字所示，即是一些普通的话语笔墨 – 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。

天然话语解决 – 缱绻机分解东说念主类话语的才智 – 自己即是一个巨大的规模，平方通过模式分析应用编程接口（API）来进行操作解决。

天然话语解决背后的具体旨趣超出了本文的商酌规模，关联词在此本文可以提供一些粗莽的描述：Spotify 会在网上连接爬取博客帖子以偏激它音乐干系的文本，并找出东说念主们对特定的艺术家和歌曲的讨论 – 比如说东说念主们对这些歌曲频繁使用哪些描摹词和话语, 以及哪些其他艺术家和歌曲也会和它们放在沿路商酌。

固然我不知说念 Spotify 怎么解决他们握取的数据，关联词我可以先容下 The Echo Nest 是怎么使用它们的。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稀有以千计的逐日更新的最好考语集。每个考语齐有一个干系的权重，来暗示其描述的紧要性（马虎说即是某东说念主可能会用该考语描述某个音乐的概率）。

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

然后，与协同过滤访佛，天然话语解决模子用这些考语和权重来创建一个歌曲的抒发向量，可以用来细目两首音乐是否相似。很酷吧？

保举模子之三：原始音频模子

最初，你可能会问这个问题：

关联词，Sophia，咱们照旧从前两种模子中获得了这样多数据！为什么还要连接分析音频自己呢？

额，最初要说的是，引入第三个模子会进一步升迁这个照旧很优秀的保举做事的准确性。但本体上，采用这个模子还有另外一个次要宗旨：原始音频模子会把新歌磋商进来。

比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它只消 50 次听歌记载，是以很少能有其他听众来沿路协同过滤它。与此同期，它也在网上也莫得留住若干脚迹，是以天然话语解决模子也不会防范到它。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当今每周发现的歌单内部。

好了，到了“怎么”的部分了。咱们怎么才能分析这些看起来如斯综合的原始音频数据呢？

…用卷积神经汇注！

卷积神经汇注一样亦然复古面部识别的时候。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据解决而不是像素点。底下是一个神经汇注架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经汇注有四个卷积层，具体为图中左侧的宽柱，和右边的略略窄些的三根柱。输入是音频帧的时频暗示，进而链接起来酿成频谱图。

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。该层在通盘这个词期间轴上采集数据，并灵验缱绻和统计歌曲时长内的学习特征。

解决完之后，神经汇注会得出其对歌曲的分解，包括推断的期间签名，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，对这些对歌曲关键特征的分解可以让 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心爱它们。

这些基本涵盖了为每周发现提供救济的保举功课历程所依赖的三种主要模子。

[ Cassandra instances]

天然了，这些保举模子也和 Spotify 其它更大的生态系统链接在沿路，其中包括欺诈海量的数据存储以及相配多的 Hadoop 集群来作念保举做事的扩张，使得引擎得以缱绻巨型矩阵，用之不休的互联网音乐著作和大齐的音频文献。

我但愿本文可以对你有所启发，况兼像那时它对我一样概况激起你的趣味。怀着对幕后的机器学习时候的了解和谢意之情，当今我将通过我我方的每周发现来寻找我心爱的音乐。