本周一，正如其它每个周一，一亿多 Spotify 用户每东谈主皆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。终结号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其爱好。为什么呢？因为我认为它懂我。它比我性射中的任何东谈主皆更了了我的音乐回味。我很感奋每周它皆能炫耀我的需求，一如既往地保举一些我我方恒久皆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虚构好友：

[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溺 – 统统这个词用户群体皆趋之若鹜。这股高涨使得 Spotify 重新诊疗了它的要点，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飞魄散，熟谙到就像一个也曾与我有过一谈濒死体验的前女友一样。

Amanda Whitbred: 当今 @Spotify 的每周发现对我也曾了解到如果它当今求婚，我也会说原意的地步了。

自「每周发现」在 2015 年第一次上线以来，我就浩瀚思知谈它是奈何运作的（而且由于我是 Spotify 公司的迷妹，我心爱假装在那儿职责并操办他们的产物）。 经过三周的狂放Google，我终于满怀感德地得到了一些幕后的常识。

是以 Spotify 到底是怎样告捷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怎样作念音乐保举，以及 Spotify 是怎样更胜一筹的。

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。手动甄选的真谛等于所谓的音乐民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 音乐也采取了相似的战略）。手动甄选终结尚可，然而由于这种要领仅仅纯手工挑选，形貌要领也相比简便，它并不成和顺到每个听众音乐回味的神秘相反。

跟 Songza 一样， Pandora 亦然音乐甄选就业鸿沟的早期玩家之一。它使用了一个略为更高等的要领来代替给歌曲属性手工打标签。即民众在听音乐的时候，对每首歌曲挑选一些形貌性的词语来看成标签。进而，Pandora 的要领可以平直过滤特定的标签来生成包含相似歌曲的歌单。

差未几消亡时候，一个从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，摄取了一个弥漫不同的高等战略来定制音乐。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，个性化保举，歌单创建和分析等。

临了，是 Last.fm 匠心独具，采取了另一个沿用于今的战略。那等于欺诈协同过滤来识别用户可能心爱的音乐。稍后本文会伸开盘考更多这方面的内容。

是以说既然其他的音乐甄选就业皆已毕了保举功能，Spotify 究竟是奈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回味阐述度的呢？

Spotify 的三种保举模子

事实上 Spotify 并莫得使用什么单一的立异性保举模子，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坚忍发现引擎。

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。 天然话语搞定（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本人。

咱们来具体看下这些保举模子是奈何职责的！

保举模子之一：协同过滤

当先先容下配景：当许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，因为它是第一个欺诈协同过滤来已毕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算计保举那些电影给其他近似的用户。

自 Netflix 将其告捷应用以来，协同过滤驱动快速流传开来。当今不管是谁思已毕一个保举模子的话，一般皆会拿它看成首次尝试。

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 所用的数据是隐形反映的，具体来说等于咱们在线听歌的歌曲次数，以迥殊他相当信息，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看望艺术家主页等。

但什么是协同过滤，到底它是怎样职责的呢？底下用一段粗拙对话来作念一个约莫的先容。

啥情况? 蓝本这俩东谈主内部每东谈主皆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 – 那么你们可能是近似的用户。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。”

系统然后无情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。听起来够简便吧？

然而 Spotify 具体是奈何具体应用这个主见，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保举呢？

…矩阵运算，用 Python 库即可已毕

现实中，此处说起的矩阵是极其繁密的。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 库就驱动跑这个漫长而复杂的矩阵领会公式：

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，然而在背面进行相比时会尽头有用。

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相比，最终会找到那些跟我最相似的用户。关于 Y 向量，亦然相似的进程 – 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当今正在看的歌曲最相似。

协同过滤如实终结可以，然而 Spotify 深知再添加另外一个引擎的话终结会更出色。这就到了天然话语搞定出场的时候了。

保举模子之二：天然话语搞定

Spotify 摄取的第二个保举模子等于天然话语搞定。这些模子的源数据，正如名字所示，等于一些平时的话语笔墨 – 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。

天然话语搞定 – 算计机显露东谈主类话语的智商 – 本人等于一个巨大的鸿沟，等闲通过情谊分析应用编程接口（API）来进行操作搞定。

天然话语搞定背后的具体旨趣超出了本文的盘考限制，然而在此本文可以提供一些粗拙的形貌：Spotify 会在网上络续爬取博客帖子以迥殊它音乐关系的文本，并找出东谈主们对特定的艺术家和歌曲的驳斥 – 比如说东谈主们对这些歌曲等闲使用哪些描写词和话语, 以及哪些其他艺术家和歌曲也会和它们放在一谈盘考。

天然我不知谈 Spotify 怎样搞定他们握取的数据，然而我可以先容下 The Echo Nest 是怎样使用它们的。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稀有以千计的逐日更新的最好考语集。每个考语皆有一个关系的权重，来暗意其形貌的浩瀚性（简便说等于某东谈主可能会用该考语形貌某个音乐的概率）。

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

然后，与协同过滤近似，天然话语搞定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

当先，你可能会问这个问题：

然而，Sophia，咱们也曾从前两种模子中得到了这样多数据！为什么还要链接分析音频本人呢？

额，当先要说的是，引入第三个模子会进一步擢升这个也曾很优秀的保举就业的准确性。但推行上，摄取这个模子还有另外一个次要办法：原始音频模子会把新歌讨论进来。

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 次听歌纪录，是以很少能有其他听众来一谈协同过滤它。与此同期，它也在网上也莫得留住些许陈迹，是以天然话语搞定模子也不会翔实到它。庆幸的是，原始音频模子并不分手新歌曲和热点歌曲。是以有了它的襄助，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“怎样”的部分了。咱们怎样才智分析这些看起来如斯笼统的原始音频数据呢？

…用卷积神经会聚！

卷积神经会聚相似亦然撑持面部识别的手艺。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据搞定而不是像素点。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，和右边的略微窄些的三根柱。输入是音频帧的时频暗意，进而连续起来酿成频谱图。

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。该层在统统这个词时候轴上会聚数据，并有用算计和统计歌曲时长内的学习特征。

搞定完之后，神经会聚会得出其对歌曲的显露，包括忖度的时候签名，调子，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，对这些对歌曲纰谬特征的显露可以让 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维持的保举功课进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连续在一谈，其中包括欺诈海量的数据存储以及尽头多的 Hadoop 集群来作念保举就业的推广，使得引擎得以算计巨型矩阵，用之不停的互联网音乐著作和大批的音频文献。

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