本周一，正如其它每个周一，一亿多 Spotify 用户每东说念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，对每周发现尤其青睐。为什么呢？因为我认为它懂我。它比我性射中的任何东说念主都更清爽我的音乐回味。我很新生每周它都能得志我的需求，一如既往地保举一些我我方始终都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凭空好友：

[图片评释: 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留恋 – 整个这个词用户群体都趋之若鹜。这股飞扬使得 Spotify 重新疗养了它的重点，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险些不寒而栗，纯熟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: 当今 @Spotify 的每周发现对我照旧了解到如果它当今求婚，我也会说应许的地步了。

自「每周发现」在 2015 年第一次上线以来，我就进犯思知说念它是若何运作的（而且由于我是 Spotify 公司的迷妹，我可爱假装在那处使命并酌量他们的家具）。 经过三周的放肆Google，我终于满怀感德地得到了一些幕后的学问。

是以 Spotify 到底是若何告捷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处事是若何作念音乐保举，以及 Spotify 是若何更胜一筹的。

在线音乐甄选处事简史

早在千禧年之初，Songza 就初始使用手动甄选为用户提供歌单。手动甄选的兴味便是所谓的音乐人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，然后听众可以告成拿来听。（稍后，Beats 音乐也采取了相似的战略）。手动甄选恶果尚可，然而由于这种设施仅仅纯手工挑选，口头设施也相比浅薄，它并不可温雅到每个听众音乐回味的奥密各异。

跟 Songza 一样， Pandora 亦然音乐甄选处事规模的早期玩家之一。它使用了一个略为更高档的设施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色性的词语来当作标签。进而，Pandora 的智力可以告成过滤特定的标签来生成包含相似歌曲的歌单。

差未几吞并时刻，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，经受了一个王人备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，个性化保举，歌单创建和分析等。

终末，是 Last.fm 匠心独具，采取了另一个沿用于今的战略。那便是讹诈协同过滤来识别用户可能可爱的音乐。稍后本文会张开盘考更多这方面的内容。

是以说既然其他的音乐甄选处事都收尾了保举功能，Spotify 究竟是若何操作我方的神奇引擎，来收尾甩出竞争敌手几条街的用户回味领路度的呢？

Spotify 的三种保举模子

事实上 Spotify 并莫得使用什么单一的改动性保举模子，而是搀杂了一些其他公司使用的最好的战略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）。使命道理为分析你和其他用户的活动。 天然说话惩处（NLP）模子 。使命道理为分析文本。 音频模子。使命道理为分析原始音频声说念自身。

咱们来具体看下这些保举模子是若何使命的！

保举模子之一：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，因为它是第一个讹诈协同过滤来收尾保举模子的公司之一。其作念法主如果使用用户提交的电影星级来策画保举那些电影给其他访佛的用户。

自 Netflix 将其告捷应用以来，协同过滤初始快速流传开来。当今不管是谁思收尾一个保举模子的话，一般都会拿它当作首次尝试。

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，以过头他零散信息，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走访艺术家主页等。

但什么是协同过滤，到底它是若何使命的呢？底下用一段苟简对话来作念一个大要的先容。

啥情况? 原本这俩东说念主内部每东说念主都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。

协同过滤系统进而讹诈这些数据得出论断，

“嗯。既然你俩都可爱交流的歌曲 – 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。”

系统然后提倡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。听起来够浅薄吧？

然而 Spotify 具体是若何具体应用这个观点，来策画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 库即可收尾

试验中，此处说起的矩阵是极其雄伟的。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 库就初始跑这个漫长而复杂的矩阵理解公式：

策画完成后，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道理的数字，然而在后头进行相比时会特地有用。

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。这就到了天然说话惩处出场的时候了。

保举模子之二：天然说话惩处

Spotify 经受的第二个保举模子便是天然说话惩处。这些模子的源数据，正如名字所示，便是一些以前的说话翰墨 – 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。

天然说话惩处 – 策画机相连东说念主类说话的身手 – 自身便是一个巨大的规模，凡俗通过情谊分析应用编程接口（API）来进行操作惩处。

天然说话惩处背后的具体道理超出了本文的盘考规模，然而在此本文可以提供一些和约略的形色：Spotify 会在网上阻挡爬取博客帖子以过头它音乐有关的文本，并找出东说念主们对特定的艺术家和歌曲的评述 – 比如说东说念主们对这些歌曲凡俗使用哪些刻画词和说话, 以及哪些其他艺术家和歌曲也会和它们放在沿途盘考。

固然我不知说念 Spotify 若何惩处他们持取的数据，然而我可以先容下 The Echo Nest 是若何使用它们的。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。每个考语都有一个有关的权重，来示意其形色的要紧性（浅薄说便是某东说念主可能会用该考语形色某个音乐的概率）。

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

然后，与协同过滤访佛，天然说话惩处模子用这些考语和权重来创建一个歌曲的抒发向量，可以用来详情两首音乐是否相似。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：

然而，Sophia，咱们照旧从前两种模子中得到了这样多数据！为什么还要不竭分析音频自身呢？

额，最初要说的是，引入第三个模子会进一步擢升这个照旧很优秀的保举处事的准确性。但实质上，经受这个模子还有另外一个次要指标：原始音频模子会把新歌琢磨进来。

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沿途协同过滤它。与此同期，它也在网上也莫得留住几许踪迹，是以天然说话惩处模子也不会防范到它。运道的是，原始音频模子并不永诀新歌曲和热点歌曲。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当今每周发现的歌单内部。

好了，到了“若何”的部分了。咱们若何才能分析这些看起来如斯轮廓的原始音频数据呢？

…用卷积神经积累！

卷积神经积累相似亦然撑持面部识别的技能。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。底下是一个神经积累架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经积累有四个卷积层，具体为图中左侧的宽柱，和右边的稍许窄些的三根柱。输入是音频帧的时频示意，进而勾通起来酿成频谱图。

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。该层在整个这个词时刻轴上积累数据，并有用策画和统计歌曲时长内的学习特征。

惩处完之后，神经积累会得出其对歌曲的相连，包括臆测的时刻签名，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，对这些对歌曲重要特征的相连可以让 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勾通在沿途，其中包括讹诈海量的数据存储以及特地多的 Hadoop 集群来作念保举处事的膨胀，使得引擎得以策画巨型矩阵，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大略激起你的敬爱。怀着对幕后的机器学习技能的了解和谢忱之情，当今我将通过我我方的每周发现来寻找我可爱的音乐。