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搀杂了用户从未听过然则可能会心爱的 30首歌曲。成果号称神奇。

我我方是 Spotify 的超等粉丝，对每周发现尤其疼爱。为什么呢？因为我合计它懂我。它比我性掷中的任何东谈主皆更明晰我的音乐品尝。我很自恃每周它皆能欢腾我的需求，一如既往地保举一些我我方遥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造谣好友：

[图片阐明: 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进 – 扫数用户群体皆趋之若鹜。这股高涨使得 Spotify 再行调度了它的重点，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屁滚尿流，闇练到就像一个也曾与我有过沿路濒死体验的前女友一样。

Amanda Whitbred: 当今 @Spotify 的每周发现对我一经了解到如果它当今求婚，我也会说应承的地步了。

自「每周发现」在 2015 年第一次上线以来，我就伏击思知谈它是若何运作的（而且由于我是 Spotify 公司的迷妹，我心爱假装在那边使命并研究他们的居品）。 经过三周的轻易Google，我终于满怀感德地赢得了一些幕后的常识。

是以 Spotify 到底是如何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如何作念音乐保举，以及 Spotify 是如何更胜一筹的。

在线音乐甄选奇迹简史

早在千禧年之初，Songza 就初始使用手动甄选为用户提供歌单。手动甄选的真谛即是所谓的音乐群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，然后听众可以径直拿来听。（稍后，Beats 音乐也遴荐了相似的战略）。手动甄选成果尚可，然则由于这种程序仅仅纯手工挑选，口头程序也相比通俗，它并不可眷注到每个听众音乐品尝的奥秘各别。

跟 Songza 一样， Pandora 亦然音乐甄选奇迹界限的早期玩家之一。它使用了一个略为更高档的程序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四肢标签。进而，Pandora 的才能可以径直过滤特定的标签来生成包含相似歌曲的歌单。

差未几统一时刻，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，接管了一个总共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。

临了，是 Last.fm 别具肺肠，遴荐了另一个沿用于今的战略。那即是应用协同过滤来识别用户可能心爱的音乐。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奇迹皆达成了保举功能，Spotify 究竟是若何操作我方的神奇引擎，来达成甩出竞争敌手几条街的用户品尝领会度的呢？

Spotify 的三种保举模子

事实上 Spotify 并莫得使用什么单一的翻新性保举模子，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惟一无二的强劲发现引擎。

Spotify 使用三种主要的保举模子来创建每周发现：

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

率先先容下配景：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，因为它是第一个应用协同过滤来达成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诡计保举那些电影给其他雷同的用户。

自 Netflix 将其见效应用以来，协同过滤初始快速流传开来。当今岂论是谁思达成一个保举模子的话，一般皆会拿它四肢初度尝试。

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 所用的数据是隐形响应的，具体来说即是咱们在线听歌的歌曲次数，以偏激他独特信息，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，到底它是如何使命的呢？底下用一段节略对话来作念一个梗概的先容。

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。

协同过滤系统进而应用这些数据得出论断，

“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。听起来够通俗吧？

然则 Spotify 具体是若何具体应用这个宗旨，来诡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 库即可达成

现实中，此处说起的矩阵是极其纷乱的。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 库就初始跑这个漫长而复杂的矩阵理解公式：

诡计完成后，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，然则在后头进行相比时会极端有用。

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，亦然相似的经由 – 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。

协同过滤照实成果可以，然则 Spotify 深知再添加另外一个引擎的话成果会更出色。这就到了天然话语科罚出场的时候了。

保举模子之二：天然话语科罚

Spotify 接管的第二个保举模子即是天然话语科罚。这些模子的源数据，正如名字所示，即是一些通俗的话语翰墨 – 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。

天然话语科罚 – 诡计机连络东谈主类话语的才略 – 自己即是一个巨大的界限，无为通过情态分析应用编程接口（API）来进行操作科罚。

天然话语科罚背后的具体旨趣超出了本文的盘考限制，然则在此本文可以提供一些不详的描摹：Spotify 会在网上阻挡爬取博客帖子以偏激它音乐筹商的文本，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无为使用哪些表情词和话语, 以及哪些其他艺术家和歌曲也会和它们放在沿路盘考。

天然我不知谈 Spotify 如何科罚他们握取的数据，然则我可以先容下 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。每个考语皆有一个筹商的权重，来示意其描摹的重大性（通俗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

率先，你可能会问这个问题：

然则，Sophia，咱们一经从前两种模子中赢得了这样多数据！为什么还要连续分析音频自己呢？

额，率先要说的是，引入第三个模子会进一步进步这个一经很优秀的保举奇迹的准确性。但履行上，接管这个模子还有另外一个次要缱绻：原始音频模子会把新歌探究进来。

比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它只好 50 次听歌纪录，是以很少能有其他听众来沿路协同过滤它。与此同期，它也在网上也莫得留住些许萍踪，是以天然话语科罚模子也不会刺目到它。运道的是，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概括的原始音频数据呢？

…用卷积神经集聚！

卷积神经集聚相似亦然相沿面部识别的本事。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。底下是一个神经集聚架构的例子：

[Image credit: Sander Dieleman]

这个特定的神经集聚有四个卷积层，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示意，进而荟萃起来酿成频谱图。

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。该层在扫数时刻轴上收集数据，并有用诡计和统计歌曲时长内的学习特征。

科罚完之后，神经集聚会得出其对歌曲的连络，包括揣度的时刻签名，调子，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，对这些对歌曲要害特征的连络可以让 Spotify 来决定歌曲之间的相似度，以及笔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经由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荟萃在沿路，其中包括应用海量的数据存储以及极端多的 Hadoop 集群来作念保举奇迹的推广，使得引擎得以诡计巨型矩阵，源源阻挡的互联网音乐著述和大皆的音频文献。

我但愿本文可以对你有所启发，况且像其时它对我一样八成激起你的敬爱。怀着对幕后的机器学习本事的了解和感恩之情，当今我将通过我我方的每周发现来寻找我心爱的音乐。