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簇新的歌单。这个叫作念每周发现的歌单内混杂了用户从未听过然则可能会心爱的 30首歌曲。遵守号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其疼爱。为什么呢？因为我以为它懂我。它比我性射中的任何东谈主皆更明晰我的音乐品尝。我很风物每周它皆能得志我的需求，一如既往地推选一些我我方弥远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：

[图片评释: 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陶醉 – 统共用户群体皆趋之若鹜。这股高涨使得 Spotify 从头转机了它的重点，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度险些心惊肉跳，老练到就像一个也曾与我有过统共濒死体验的前女友一样。

Amanda Whitbred: 咫尺 @Spotify 的每周发现对我也曾了解到如果它咫尺求婚，我也会说愉快的地步了。

自「每周发现」在 2015 年第一次上线以来，我就紧要念念知谈它是奈何运作的（而且由于我是 Spotify 公司的迷妹，我心爱假装在那儿使命并接洽他们的产物）。 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 到底是怎样见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奇迹是怎样作念音乐推选，以及 Spotify 是怎样更胜一筹的。

在线音乐甄选奇迹简史

早在千禧年之初，Songza 就运讹诈用手动甄选为用户提供歌单。手动甄选的兴致即是所谓的音乐大家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，然后听众可以奏凯拿来听。（稍后，Beats 音乐也遴选了相通的政策）。手动甄选遵守尚可，然则由于这种措施仅仅纯手工挑选，面容措施也相比浅近，它并弗成存眷到每个听众音乐品尝的奥秘各别。

跟 Songza 一样， Pandora 亦然音乐甄选奇迹领域的早期玩家之一。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。即宇宙在听音乐的时候，对每首歌曲挑选一些描摹性的词语来看成标签。进而，Pandora 的门径可以奏凯过滤特定的标签来生成包含相似歌曲的歌单。

差未几团结时刻，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，取舍了一个完好意思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 匠心独具，遴选了另一个沿用于今的政策。那即是利用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奇迹皆罢了了推选功能，Spotify 究竟是奈何操作我方的神奇引擎，来罢了甩出竞争敌手几条街的用户品尝解析度的呢？

Spotify 的三种推选模子

事实上 Spotify 并莫得使用什么单一的蜕变性推选模子，而是混杂了一些其他公司使用的最好的政策来创建他们我方唯独无二的刚劲发现引擎。

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）。使命道理为分析你和其他用户的步履。 天然话语科罚（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谈自身。

咱们来具体看下这些推选模子是奈何使命的！

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罢了推选模子的公司之一。其作念法主若是使用用户提交的电影星级来缱绻推选那些电影给其他雷同的用户。

自 Netflix 将其见效应用以来，协同过滤运行快速流传开来。咫尺非论是谁念念罢了一个推选模子的话，一般皆会拿它看成初度尝试。

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，具体来说即是咱们在线听歌的歌曲次数，以偏激他荒谬信息，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拜谒艺术家主页等。

但什么是协同过滤，到底它是怎样使命的呢？底下用一段不祥对话来作念一个大要的先容。

啥情况? 原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。

协同过滤系统进而利用这些数据得出论断，

“嗯。既然你俩皆心爱调换的歌曲 – Q，R 和 S – 那么你们可能是雷同的用户。是以你们应该会心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。听起来够浅近吧？

然则 Spotify 具体是奈何具体应用这个见识，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推选呢？

…矩阵运算，用 Python 库即可罢了

现实中，此处说起的矩阵是极其浩荡的。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 库就运行跑这个漫长而复杂的矩阵领会公式：

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品尝。Y 则为歌曲向量，代表单支歌曲的特征。

咫尺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道理的数字，然则在背面进行相比时会至极有用。

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，亦然相通的历程 – 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咫尺正在看的歌曲最相似。

协同过滤如实遵守可以，然则 Spotify 深知再添加另外一个引擎的话遵守会更出色。这就到了天然话语科罚出场的时候了。

推选模子之二：天然话语科罚

Spotify 取舍的第二个推选模子即是天然话语科罚。这些模子的源数据，正如名字所示，即是一些平素的话语翰墨 – 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。

天然话语科罚 – 缱绻机相识东谈主类话语的才智 – 自身即是一个巨大的领域，泛泛通过情怀分析应用编程接口（API）来进行操作科罚。

天然话语科罚背后的具体道理超出了本文的盘考范围，然则在此本文可以提供一些拙劣的描摹：Spotify 会在网上连续爬取博客帖子以偏激它音乐关系的文本，并找出东谈主们对特定的艺术家和歌曲的指摘 – 比如说东谈主们对这些歌曲不时使用哪些形色词和话语, 以及哪些其他艺术家和歌曲也会和它们放在统共盘考。

固然我不知谈 Spotify 怎样科罚他们合手取的数据，然则我可以先容下 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，来暗示其描摹的强大性（浅近说即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，与协同过滤雷同，天然话语科罚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，咱们也曾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身呢？

额，领先要说的是，引入第三个模子会进一步普及这个也曾很优秀的推选奇迹的准确性。但执行上，取舍这个模子还有另外一个次要指标：原始音频模子会把新歌接洽进来。

比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它惟有 50 次听歌记载，是以很少能有其他听众来统共协同过滤它。与此同期，它也在网上也莫得留住若干思路，是以天然话语科罚模子也不会提防到它。运道的是，原始音频模子并不分裂新歌曲和热点歌曲。是以有了它的赞理，你一又友的歌曲也可以和流行歌曲一谈出咫尺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概述的原始音频数据呢？

…用卷积神经聚集！

卷积神经聚集相通亦然维持面部识别的技艺。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据科罚而不是像素点。底下是一个神经聚集架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经聚集有四个卷积层，具体为图中左侧的宽柱，和右边的稍稍窄些的三根柱。输入是音频帧的时频暗示，进而相接起来酿成频谱图。

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。该层在统共时刻轴上网罗数据，并有用缱绻和统计歌曲时长内的学习特征。

科罚完之后，神经聚鸠集得出其对歌曲的相识，包括臆度的时刻签名，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，对这些对歌曲要津特征的相识可以让 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心爱它们。

这些基本涵盖了为每周发现提供维持的推选功课历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相接在统共，其中包括利用海量的数据存储以及至极多的 Hadoop 集群来作念推选奇迹的推广，使得引擎得以缱绻巨型矩阵，用之不停的互联网音乐著作和多数的音频文献。

我但愿本文可以对你有所启发，况兼像其时它对我一样大要激起你的意思。怀着对幕后的机器学习技艺的了解和感恩之情，咫尺我将通过我我方的每周发现来寻找我心爱的音乐。