本周一，正如其它每个周一，一亿多 Spotify 用户每东说念主齐收到了一个极新的歌单。这个叫作念每周发现的歌单内搀杂了用户从未听过可是可能会喜欢的 30首歌曲。遵循号称神奇。
我我方是 Spotify 的超等粉丝，对每周发现尤其可爱。为什么呢？因为我以为它懂我。它比我性射中的任何东说念主齐更了了我的音乐回味。我很好意思瞻念每周它齐能心仪我的需求，一如既往地保举一些我我方经久齐不会找到或知说念会喜欢的歌曲。
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虚构好友：
[图片诠释: 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贪恋 – 扫数用户群体齐趋之若鹜。这股兴奋使得 Spotify 再行转机了它的重点，并在基于算法的歌单上参预了更多的资源。
Dave Howitz: @Spotfiy 每周发现的歌单对我的了解进程险些胆颤心寒，清静到就像一个也曾与我有过一说念濒死体验的前女友一样。
Amanda Whitbred: 当今 @Spotify 的每周发现对我依然了解到如果它当今求婚，我也会说甘愿的地步了。
自「每周发现」在 2015 年第一次上线以来，我就要紧思知说念它是如何运作的（而且由于我是 Spotify 公司的迷妹，我喜欢假装在那儿使命并商量他们的居品）。 经过三周的豪恣Google，我终于满怀感德地取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。手动甄选的有趣即是所谓的音乐大家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，然后听众可以平直拿来听。（稍后，Beats 音乐也选用了相通的政策）。手动甄选遵循尚可，可是由于这种步履仅仅纯手工挑选，形势步履也比拟疏忽，它并弗成温顺到每个听众音乐回味的神秘各异。
跟 Songza 一样， Pandora 亦然音乐甄选处事范围的早期玩家之一。它使用了一个略为更高档的步履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刻画性的词语来算作标签。进而，Pandora 的步履可以平直过滤特定的标签来生成包含相似歌曲的歌单。
差未几团结时分，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，经受了一个富余不同的高档政策来定制音乐。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，个性化保举，歌单创建和分析等。
临了，是 Last.fm 匠心独具，选用了另一个沿用于今的政策。那即是期骗协同过滤来识别用户可能喜欢的音乐。稍后本文会张开征询更多这方面的内容。
是以说既然其他的音乐甄选处事齐竣事了保举功能，Spotify 究竟是如何操作我方的神奇引擎，来竣事甩出竞争敌手几条街的用户回味领悟度的呢？
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，而是搀杂了一些其他公司使用的最好的政策来创建他们我方惟一无二的苍劲发现引擎。
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举止。 天然话语惩办（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己。咱们来具体看下这些保举模子是如何使命的！
保举模子之一：协同过滤
率先先容下布景：当许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，因为它是第一个期骗协同过滤来竣事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蓄意保举那些电影给其他访佛的用户。
自 Netflix 将其见效应用以来，协同过滤初始快速流传开来。当今不管是谁思竣事一个保举模子的话，一般齐会拿它算作首次尝试。
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 所用的数据是隐形反映的，具体来说即是咱们在线听歌的歌曲次数，以过甚他额外信息，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探访艺术家主页等。
但什么是协同过滤，到底它是如何使命的呢？底下用一段疏忽对话来作念一个节略的先容。
啥情况? 蓝本这俩东说念主内部每东说念主齐有我方的一些歌曲偏好 – 左边的东说念主喜欢歌曲 P, Q, R 和 S; 右边的东说念主喜欢 Q, R, S 和 T。
协同过滤系统进而期骗这些数据得出论断，
“嗯。既然你俩齐喜欢换取的歌曲 – Q，R 和 S – 那么你们可能是访佛的用户。是以你们应该会喜欢另一个东说念主听过可是你还莫得听过的歌曲。”
系统然后冷落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。听起来够疏忽吧？
可是 Spotify 具体是如何具体应用这个认识，来蓄意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 库即可竣事
施行中，此处说起的矩阵是极其重大的。每行齐代表了 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会公式：
蓄意完成后，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，可是在背面进行比拟时会格外有用。
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，亦然相通的经由 – 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当今正在看的歌曲最相似。
协同过滤如实遵循可以，可是 Spotify 深知再添加另外一个引擎的话遵循会更出色。这就到了天然话语惩办出场的时候了。
保举模子之二：天然话语惩办
Spotify 经受的第二个保举模子即是天然话语惩办。这些模子的源数据，正如名字所示，即是一些平日的话语翰墨 – 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。
天然话语惩办 – 蓄意机斡旋东说念主类话语的才能 – 自己即是一个巨大的范围，庸碌通过情怀分析应用编程接口（API）来进行操作惩办。
天然话语惩办背后的具体道理超出了本文的征询规模，可是在此本文可以提供一些约略的刻画：Spotify 会在网上陆续爬取博客帖子以过甚它音乐有关的文本，并找出东说念主们对特定的艺术家和歌曲的指摘 – 比如说东说念主们对这些歌曲不时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说念征询。
诚然我不知说念 Spotify 如何惩办他们捏取的数据，可是我可以先容下 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”。每个艺术家和歌曲齐特等以千计的逐日更新的最好考语集。每个考语齐有一个有关的权重，来暗意其刻画的紧要性（疏忽说即是某东说念主可能会用该考语刻画某个音乐的概率）。
[ “Cultural vectors”, or “top terms”, as used by the Echo Nest. Table from Brian Whitman]
然后，与协同过滤访佛，天然话语惩办模子用这些考语和权重来创建一个歌曲的抒发向量，可以用来笃定两首音乐是否相似。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：
可是，Sophia，咱们依然从前两种模子中取得了这样多数据！为什么还要络续分析音频自己呢？
额，率先要说的是，引入第三个模子会进一步提升这个依然很优秀的保举处事的准确性。但骨子上，经受这个模子还有另外一个次要隘方：原始音频模子会把新歌推敲进来。
比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它只须 50 次听歌记载，是以很少能有其他听众来一说念协同过滤它。与此同期，它也在网上也莫得留住若干踪影，是以天然话语惩办模子也不会真贵到它。红运的是，原始音频模子并不区别新歌曲和热点歌曲。是以有了它的维护，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“如何”的部分了。咱们如何才能分析这些看起来如斯空洞的原始音频数据呢？
…用卷积神经辘集！
卷积神经辘集相通亦然相沿面部识别的时间。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据惩办而不是像素点。底下是一个神经辘集架构的例子：
[Image credit: Sander Dieleman]
这个特定的神经辘集有四个卷积层，具体为图中左侧的宽柱，和右边的略略窄些的三根柱。输入是音频帧的时频暗意，进而连合起来酿成频谱图。
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。该层在扫数时分轴上收集数据，并有用蓄意和统计歌曲时长内的学习特征。
惩办完之后，神经辘聚积得出其对歌曲的斡旋，包括推测的时分签名，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，对这些对歌曲环节特征的斡旋可以让 Spotify 来决定歌曲之间的相似度，以及阐明用户听歌历史来判断哪些用户可能会喜欢它们。
这些基本涵盖了为每周发现提供支撑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连合在一说念，其中包括期骗海量的数据存储以及格外多的 Hadoop 集群来作念保举处事的彭胀，使得引擎得以蓄意巨型矩阵，用之不休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，况兼像那时它对我一样或者激起你的好奇。怀着对幕后的机器学习时间的了解和感恩之情，当今我将通过我我方的每周发现来寻找我喜欢的音乐。