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搀杂了用户从未听过然则可能会可爱的 30首歌曲。后果号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其青睐。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赫然我的音乐回味。我很欢乐每周它都能得志我的需求，一如既往地推选一些我我方恒久都不会找到或知谈会可爱的歌曲。

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编造好友：

[图片讲解: 我的 Spotify 每周发现歌单]

没念念到，在这方面我不是一个东谈主，不光是我对每周发现如斯耽溺 – 通盘这个词用户群体都趋之若鹜。这股上升使得 Spotify 再行调度了它的重点，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几乎心惊肉跳，练习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: 现时 @Spotify 的每周发现对我照旧了解到如果它现时求婚，我也会说承诺的地步了。

自「每周发现」在 2015 年第一次上线以来，我就进击念念知谈它是奈何运作的（而且由于我是 Spotify 公司的迷妹，我可爱假装在那边责任并计划他们的家具）。 经过三周的跋扈Google，我终于满怀感德地得到了一些幕后的学问。

是以 Spotify 到底是怎么收效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工作是怎么作念音乐推选，以及 Spotify 是怎么更胜一筹的。

在线音乐甄选工作简史

早在千禧年之初，Songza 就运诈欺用手动甄选为用户提供歌单。手动甄选的酷爱便是所谓的音乐众人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，然后听众可以凯旋拿来听。（稍后，Beats 音乐也采取了相似的政策）。手动甄选后果尚可，然则由于这种措施仅仅纯手工挑选，形貌措施也比拟简便，它并不可存眷到每个听众音乐回味的隐秘各异。

跟 Songza 一样， Pandora 亦然音乐甄选工作规模的早期玩家之一。它使用了一个略为更高等的措施来代替给歌曲属性手工打标签。即大家在听音乐的时候，对每首歌曲挑选一些态状性的词语来行为标签。进而，Pandora 的门径可以凯旋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，领受了一个王人备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 别具肺肠，采取了另一个沿用于今的政策。那便是利用协同过滤来识别用户可能可爱的音乐。稍后本文会伸开参谋更多这方面的内容。

是以说既然其他的音乐甄选工作都终透露推选功能，Spotify 究竟是奈何操作我方的神奇引擎，来终了甩出竞争敌手几条街的用户回味默契度的呢？

Spotify 的三种推选模子

事实上 Spotify 并莫得使用什么单一的改进性推选模子，而是搀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坚定发现引擎。

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）。责任旨趣为分析你和其他用户的活动。 天然话语处分（NLP）模子 。责任旨趣为分析文本。 音频模子。责任旨趣为分析原始音频声谈本人。

咱们来具体看下这些推选模子是奈何责任的！

推选模子之一：协同过滤

领先先容下配景：当许多东谈主听到协同过滤这几个词的时候，他们会坐窝联念念到 Netflix，因为它是第一个利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规划推选那些电影给其他雷同的用户。

自 Netflix 将其收效应用以来，协同过滤运行快速流传开来。现时岂论是谁念念终了一个推选模子的话，一般都会拿它行为初度尝试。

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，以过头他荒谬信息，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，到底它是怎么责任的呢？底下用一段简陋对话来作念一个梗概的先容。

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

协同过滤系统进而利用这些数据得出论断，

“嗯。既然你俩都可爱沟通的歌曲 – 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谈主听过然则你还莫得听过的歌曲。”

系统然后提出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？

然则 Spotify 具体是奈何具体应用这个宗旨，来规划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广阔的。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 库就运行跑这个漫长而复杂的矩阵解析公式：

规划完成后，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。

现时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无酷爱的数字，然则在后头进行比拟时会终点有用。

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。

协同过滤确乎后果可以，然则 Spotify 深知再添加另外一个引擎的话后果会更出色。这就到了天然话语处分出场的时候了。

推选模子之二：天然话语处分

Spotify 领受的第二个推选模子便是天然话语处分。这些模子的源数据，正如名字所示，便是一些普通的话语翰墨 – 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。

天然话语处分 – 规划机贯通东谈主类话语的才略 – 本人便是一个巨大的规模，平淡通过表情分析应用编程接口（API）来进行操作处分。

天然话语处分背后的具体旨趣超出了本文的参谋范围，然则在此本文可以提供一些顽劣的态状：Spotify 会在网上束缚爬取博客帖子以过头它音乐关系的文本，并找出东谈主们对特定的艺术家和歌曲的挑剔 – 比如说东谈主们对这些歌曲经常使用哪些刻画词和话语, 以及哪些其他艺术家和歌曲也会和它们放在一齐参谋。

天然我不知谈 Spotify 怎么处分他们持取的数据，然则我可以先容下 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”。每个艺术家和歌曲都荒谬以千计的逐日更新的最好考语集。每个考语都有一个关系的权重，来暗示其态状的要紧性（简便说便是某东谈主可能会用该考语态状某个音乐的概率）。

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

然后，与协同过滤雷同，天然话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：

然则，Sophia，咱们照旧从前两种模子中得到了这样多数据！为什么还要赓续分析音频本人呢？

额，领先要说的是，引入第三个模子会进一步赞助这个照旧很优秀的推选工作的准确性。但现实上，领受这个模子还有另外一个次要想法：原始音频模子会把新歌计划进来。

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 次听歌纪录，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些许踪影，是以天然话语处分模子也不会羁系到它。走时的是，原始音频模子并不阔别新歌曲和热点歌曲。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现时每周发现的歌单内部。

好了，到了“怎么”的部分了。咱们怎么能力分析这些看起来如斯详细的原始音频数据呢？

…用卷积神经麇集！

卷积神经麇集相似亦然因循面部识别的期间。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。底下是一个神经麇集架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经麇集有四个卷积层，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暗示，进而流通起来造成频谱图。

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。该层在通盘这个词时刻轴上采集数据，并有用规划和统计歌曲时长内的学习特征。

处分完之后，神经麇辘集得出其对歌曲的贯通，包括臆想的时刻签名，曲调，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，对这些对歌曲要津特征的贯通可以让 Spotify 来决定歌曲之间的相似度，以及字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支柱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 其它更大的生态系统流通在一齐，其中包括利用海量的数据存储以及终点多的 Hadoop 集群来作念推选工作的彭胀，使得引擎得以规划巨型矩阵，源源束缚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，况兼像其时它对我一样约略激起你的好奇。怀着对幕后的机器学习期间的了解和谢忱之情，现时我将通过我我方的每周发现来寻找我可爱的音乐。