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然而可能会可爱的 30首歌曲。遵循号称神奇。
我我方是 Spotify 的超等粉丝，对每周发现尤其爱重。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清亮我的音乐品尝。我很显示每周它皆能安静我的需求，一如既往地保举一些我我方恒久皆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捏造好友：
[图片讲明: 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沉进 – 扫数用户群体皆趋之若鹜。这股高潮使得 Spotify 重新转念了它的要点，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几乎胆颤心寒，谨慎到就像一个也曾与我有过扫数濒死体验的前女友一样。
Amanda Whitbred: 目下 @Spotify 的每周发现对我仍是了解到如果它目下求婚，我也会说本旨的地步了。
自「每周发现」在 2015 年第一次上线以来，我就热切念念知谈它是怎么运作的（而且由于我是 Spotify 公司的迷妹，我可爱假装在那处责任并斟酌他们的居品）。 经过三周的放肆Google，我终于满怀感德地赢得了一些幕后的学问。
是以 Spotify 到底是如何奏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作事是如何作念音乐保举，以及 Spotify 是如何更胜一筹的。
在线音乐甄选作事简史
早在千禧年之初，Songza 就运诈欺用手动甄选为用户提供歌单。手动甄选的道理即是所谓的音乐各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，然后听众可以平直拿来听。（稍后，Beats 音乐也经受了通常的政策）。手动甄选遵循尚可，然而由于这种门径仅仅纯手工挑选，神色门径也相比简便，它并不成关爱到每个听众音乐品尝的秘籍各别。
跟 Songza 一样， Pandora 亦然音乐甄选作事鸿沟的早期玩家之一。它使用了一个略为更高档的门径来代替给歌曲属性手工打标签。即大众在听音乐的时候，对每首歌曲挑选一些描写性的词语来手脚标签。进而，Pandora 的本领可以平直过滤特定的标签来生成包含相似歌曲的歌单。
差未几归并时辰，一个从属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，经受了一个悉数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。
终末，是 Last.fm 匠心独具，经受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可爱的音乐。稍后本文会伸开谈论更多这方面的内容。
是以说既然其他的音乐甄选作事皆完毕了保举功能，Spotify 究竟是怎么操作我方的神奇引擎，来完毕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唯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：
协同过滤模子（即 Last.fm 最早使用的那些模子）。责任道理为分析你和其他用户的行径。 天然说话处分（NLP）模子 。责任道理为分析文本。 音频模子。责任道理为分析原始音频声谈自己。咱们来具体看下这些保举模子是怎么责任的！
保举模子之一：协同过滤
最初先容下布景：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完毕保举模子的公司之一。其作念法主淌若使用用户提交的电影星级来臆度打算保举那些电影给其他访佛的用户。
自 Netflix 将其奏效应用以来，协同过滤运行快速流传开来。目下不管是谁念念完毕一个保举模子的话，一般皆会拿它手脚初度尝试。
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映的，具体来说即是咱们在线听歌的歌曲次数，以过甚他荒芜信息，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访艺术家主页等。
但什么是协同过滤，到底它是如何责任的呢？底下用一段苟简对话来作念一个大约的先容。
啥情况? 本来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。既然你俩皆可爱沟通的歌曲 – 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谈主听过然而你还莫得听过的歌曲。”
系统然后提倡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？
然而 Spotify 具体是怎么具体应用这个观念，来臆度打算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 库即可完毕
实验中，此处说起的矩阵是极其广泛的。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：
臆度打算完成后，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。
目下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意外旨的数字，然而在背面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，亦然通常的经过 – 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目下正在看的歌曲最相似。
协同过滤如实遵循可以，然而 Spotify 深知再添加另外一个引擎的话遵循会更出色。这就到了天然说话处分出场的时候了。
保举模子之二：天然说话处分
Spotify 经受的第二个保举模子即是天然说话处分。这些模子的源数据，正如名字所示，即是一些当年的说话笔墨 – 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。
天然说话处分 – 臆度打算机意会东谈主类说话的才能 – 自己即是一个巨大的鸿沟，庸碌通过情感分析应用编程接口（API）来进行操作处分。
天然说话处分背后的具体道理超出了本文的谈论鸿沟，然而在此本文可以提供一些不祥的描写：Spotify 会在网上束缚爬取博客帖子以过甚它音乐关连的文本，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通常使用哪些描摹词和说话, 以及哪些其他艺术家和歌曲也会和它们放在扫数谈论。
固然我不知谈 Spotify 如何处分他们握取的数据，然而我可以先容下 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。每个考语皆有一个关连的权重，来示意其描写的要紧性（简便说即是某东谈主可能会用该考语描写某个音乐的概率）。
[ “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
最初，你可能会问这个问题：
然而，Sophia，咱们仍是从前两种模子中赢得了这样多数据！为什么还要不绝分析音频自己呢？
额，最初要说的是，引入第三个模子会进一步提升这个仍是很优秀的保举作事的准确性。但本色上，经受这个模子还有另外一个次要筹画：原始音频模子会把新歌辩论进来。
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扫数协同过滤它。与此同期，它也在网上也莫得留住若干思绪，是以天然说话处分模子也不会谨防到它。运道的是，原始音频模子并不分歧新歌曲和热点歌曲。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目下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述的原始音频数据呢？
…用卷积神经汇注！
卷积神经汇注通常亦然支撑面部识别的技艺。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据处分而不是像素点。底下是一个神经汇注架构的例子：
[Image credit: Sander Dieleman]
这个特定的神经汇注有四个卷积层，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，进而衔接起来酿成频谱图。
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。该层在扫数时辰轴上采集数据，并有用臆度打算和统计歌曲时长内的学习特征。
处分完之后，神经汇注会得出其对歌曲的意会，包括臆度的时辰签名，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，对这些对歌曲要道特征的意会可以让 Spotify 来决定歌曲之间的相似度，以及阐述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撑的保举功课经过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衔接在扫数，其中包括利用海量的数据存储以及极端多的 Hadoop 集群来作念保举作事的推广，使得引擎得以臆度打算巨型矩阵，源源束缚的互联网音乐著述和普遍的音频文献。
我但愿本文可以对你有所启发，而况像其时它对我一样好像激起你的兴趣。怀着对幕后的机器学习技艺的了解和谢忱之情，目下我将通过我我方的每周发现来寻找我可爱的音乐。