本周一，正如其它每个周一，一亿多 Spotify 用户每东谈主都收到了一个新鲜的歌单。这个叫作念每周发现的歌单内混杂了用户从未听过然而可能会心爱的 30首歌曲。恶果号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其怜爱。为什么呢？因为我以为它懂我。它比我性掷中的任何东谈主都更领会我的音乐品尝。我很欢畅每周它都能空隙我的需求，一如既往地推选一些我我方恒久都不会找到或知谈会心爱的歌曲。

关于那些两耳不闻窗外事的东谈主们，请允许我先容一下我的臆造好友：

[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谈主，不光是我对每周发现如斯沉迷 – 整个这个词用户群体都趋之若鹜。这股激越使得 Spotify 再行退换了它的重点，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程险些心惊肉跳，熟谙到就像一个也曾与我有过一皆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，我也会说欢跃的地步了。

自「每周发现」在 2015 年第一次上线以来，我就要紧思知谈它是如何运作的（而且由于我是 Spotify 公司的迷妹，我心爱假装在那边职责并不竭他们的家具）。 经过三周的放纵Google，我终于满怀感德地得回了一些幕后的学问。

是以 Spotify 到底是如何得胜作念到给每东谈主每周挑选 30 首歌曲的？咱们先来仔细看下其它的音乐就业是如何作念音乐推选，以及 Spotify 是如何更胜一筹的。

在线音乐甄选就业简史

早在千禧年之初，Songza 就驱动使用手动甄选为用户提供歌单。手动甄选的景仰便是所谓的音乐众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 音乐也遴荐了通常的战略）。手动甄选恶果尚可，然而由于这种措施仅仅纯手工挑选，花样措施也比拟浅易，它并不可热心到每个听众音乐品尝的深奥相反。

跟 Songza 一样， Pandora 亦然音乐甄选就业范畴的早期玩家之一。它使用了一个略为更高档的措施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摹性的词语来行为标签。进而，Pandora 的措施可以径直过滤特定的标签来生成包含相似歌曲的歌单。

差未几归并时辰，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，遴荐了一个十足不同的高档战略来定制音乐。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 匠心独具，遴荐了另一个沿用于今的战略。那便是诓骗协同过滤来识别用户可能心爱的音乐。稍后本文会伸开策动更多这方面的内容。

是以说既然其他的音乐甄选就业都已毕了推选功能，Spotify 究竟是如何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创新性推选模子，而是混杂了一些其他公司使用的最好的战略来创建他们我方惟一无二的顽强发现引擎。

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）。职责旨趣为分析你和其他用户的步履。 天然言语处分（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谈自身。

咱们来具体看下这些推选模子是如何职责的！

推选模子之一：协同过滤

领先先容下配景：当好多东谈主听到协同过滤这几个词的时候，他们会坐窝联思到 Netflix，因为它是第一个诓骗协同过滤来已毕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贪图推选那些电影给其他访佛的用户。

自 Netflix 将其得胜应用以来，协同过滤驱动快速流传开来。当今不管是谁思已毕一个推选模子的话，一般都会拿它行为首次尝试。

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 所用的数据是隐形响应的，具体来说便是咱们在线听歌的歌曲次数，以致极他特等信息，诸如用户是否保存歌曲到个东谈主歌单，或者听完歌曲后是否接着访谒艺术家主页等。

但什么是协同过滤，到底它是如何职责的呢？底下用一段省略对话来作念一个大约的先容。

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

协同过滤系统进而诓骗这些数据得出论断，

“嗯。既然你俩都心爱交流的歌曲 – 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谈主听过然而你还莫得听过的歌曲。”

系统然后提议右边的东谈主去体验下歌曲 P，以及左边的东谈主去体验下歌曲 T。听起来够浅易吧？

然而 Spotify 具体是如何具体应用这个办法，来贪图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

施行中，此处说起的矩阵是极其宏大的。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 库就驱动跑这个漫长而复杂的矩阵剖析公式：

贪图完成后，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，每东谈主一个，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不测旨的数字，然而在后头进行比拟时会十分有用。

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，亦然通常的进程 – 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。这就到了天然言语处分出场的时候了。

推选模子之二：天然言语处分

Spotify 遴荐的第二个推选模子便是天然言语处分。这些模子的源数据，正如名字所示，便是一些平时的言语翰墨 – 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。

天然言语处分 – 贪图机交融东谈主类言语的才智 – 自身便是一个巨大的范畴，世俗通过神思分析应用编程接口（API）来进行操作处分。

天然言语处分背后的具体旨趣超出了本文的策动限制，然而在此本文可以提供一些愚顽的描摹：Spotify 会在网上不休爬取博客帖子以致极它音乐相关的文本，并找出东谈主们对特定的艺术家和歌曲的磋商 – 比如说东谈主们对这些歌曲每每使用哪些描摹词和言语, 以及哪些其他艺术家和歌曲也会和它们放在一皆策动。

天然我不知谈 Spotify 如何处分他们合手取的数据，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”。每个艺术家和歌曲都稀有以千计的逐日更新的最好考语集。每个考语都有一个相关的权重，来示意其描摹的要紧性（浅易说便是某东谈主可能会用该考语描摹某个音乐的概率）。

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

然后，与协同过滤访佛，天然言语处分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？

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得回了这样多数据！为什么还要络续分析音频自身呢？

额，领先要说的是，引入第三个模子会进一步进步这个照旧很优秀的推选就业的准确性。但本色上，遴荐这个模子还有另外一个次要目的：原始音频模子会把新歌推敲进来。

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 次听歌纪录，是以很少能有其他听众来一皆协同过滤它。与此同期，它也在网上也莫得留住几许陈迹，是以天然言语处分模子也不会防卫到它。侥幸的是，原始音频模子并不分辨新歌曲和热点歌曲。是以有了它的襄理，你一又友的歌曲也可以和流行歌曲一谈出当今每周发现的歌单内部。

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

…用卷积神经辘集！

卷积神经辘集通常亦然援助面部识别的期间。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据处分而不是像素点。底下是一个神经辘集架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经辘集有四个卷积层，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示意，进而一语气起来酿成频谱图。

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。该层在整个这个词时辰轴上网罗数据，并有用贪图和统计歌曲时长内的学习特征。

处分完之后，神经辘鸠合得出其对歌曲的交融，包括揣摸的时辰签名，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，对这些对歌曲短处特征的交融可以让 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心爱它们。

这些基本涵盖了为每周发现提供赈济的推选功课进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 其它更大的生态系长入语气在一皆，其中包括诓骗海量的数据存储以及十分多的 Hadoop 集群来作念推选就业的推广，使得引擎得以贪图巨型矩阵，取之不尽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，何况像其时它对我一样粗略激起你的好奇。怀着对幕后的机器学习期间的了解和谢意之情，当今我将通过我我方的每周发现来寻找我心爱的音乐。