本周一，正如其它每个周一，一亿多 Spotify 用户每东谈主齐收到了一个清新的歌单。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，对每周发现尤其醉心。为什么呢？因为我以为它懂我。它比我性掷中的任何东谈主齐更了了我的音乐回味。我很欢欣每周它齐能中意我的需求，一如既往地保举一些我我方永远齐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：
[图片评释: 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溺 – 所有这个词用户群体齐趋之若鹜。这股激越使得 Spotify 从头治疗了它的重点，并在基于算法的歌单上进入了更多的资源。
Dave Howitz: @Spotfiy 每周发现的歌单对我的了解进程险些心惊胆落，闇练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 的每周发现对我还是了解到如果它当今求婚，我也会说快活的地步了。
自「每周发现」在 2015 年第一次上线以来，我就病笃思知谈它是如何运作的（而且由于我是 Spotify 公司的迷妹，我可爱假装在那儿责任并磋磨他们的产物）。 经过三周的大肆Google，我终于满怀感德地赢得了一些幕后的学问。
是以 Spotify 到底是如何顺利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 就运转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，然后听众可以径直拿来听。（稍后，Beats 音乐也弃取了相通的计策）。手动甄选恶果尚可，可是由于这种要领仅仅纯手工挑选，步地要领也相比浅陋，它并弗成小器到每个听众音乐回味的精巧各别。
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档的要领来代替给歌曲属性手工打标签。即人人在听音乐的时候，对每首歌曲挑选一些描画性的词语来动作标签。进而，Pandora 的局势可以径直过滤特定的标签来生成包含相似歌曲的歌单。
差未几并吞时辰，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，摄取了一个足够不同的高档计策来定制音乐。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 别具肺肠，弃取了另一个沿用于今的计策。那即是诓骗协同过滤来识别用户可能可爱的音乐。稍后本文会伸开磋磨更多这方面的内容。
是以说既然其他的音乐甄选奇迹齐已毕了保举功能，Spotify 究竟是如何操作我方的神奇引擎，来已毕甩出竞争敌手几条街的用户回味默契度的呢？
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计策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：
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为。 天然谈话管制（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如何责任的！
保举模子之一：协同过滤
最初先容下配景：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，因为它是第一个诓骗协同过滤来已毕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谋划保举那些电影给其他肖似的用户。
自 Netflix 将其顺利应用以来，协同过滤运转快速流传开来。当今不管是谁思已毕一个保举模子的话，一般齐会拿它动作初度尝试。
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，以过头他脱落信息，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，到底它是如何责任的呢？底下用一段直爽对话来作念一个毛糙的先容。
啥情况? 原本这俩东谈主内部每东谈主齐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。
协同过滤系统进而诓骗这些数据得出论断，
“嗯。既然你俩齐可爱疏通的歌曲 – Q，R 和 S – 那么你们可能是肖似的用户。是以你们应该会可爱另一个东谈主听过可是你还莫得听过的歌曲。”
系统然后忽视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。听起来够浅陋吧？
可是 Spotify 具体是如何具体应用这个主意，来谋划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 库即可已毕
现实中，此处说起的矩阵是极其巨大的。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 库就运转跑这个漫长而复杂的矩阵瓦解公式：
谋划完成后，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，可是在后头进行相比时会卓越有用。
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当今正在看的歌曲最相似。
协同过滤照实恶果可以，可是 Spotify 深知再添加另外一个引擎的话恶果会更出色。这就到了天然谈话管制出场的时候了。
保举模子之二：天然谈话管制
Spotify 摄取的第二个保举模子即是天然谈话管制。这些模子的源数据，正如名字所示，即是一些泛泛的谈话翰墨 – 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。
天然谈话管制 – 谋划机默契东谈主类谈话的才略 – 自己即是一个巨大的领域，平凡通过情谊分析应用编程接口（API）来进行操作管制。
天然谈话管制背后的具体道理超出了本文的磋磨规模，可是在此本文可以提供一些低能的描画：Spotify 会在网上不时爬取博客帖子以过头它音乐关连的文本，并找出东谈主们对特定的艺术家和歌曲的挑剔 – 比如说东谈主们对这些歌曲每每使用哪些描述词寝兵话, 以及哪些其他艺术家和歌曲也会和它们放在沿途磋磨。
天然我不知谈 Spotify 如何管制他们捏取的数据，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罕有以千计的逐日更新的最好考语集。每个考语齐有一个关连的权重，来暗示其描画的纷乱性（浅陋说即是某东谈主可能会用该考语描画某个音乐的概率）。
[ “Cultural vectors”, or “top terms”, as used by the Echo Nest. Table from Brian Whitman]
然后，与协同过滤肖似，天然谈话管制模子用这些考语和权重来创建一个歌曲的抒发向量，可以用来深信两首音乐是否相似。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：
可是，Sophia，咱们还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还是很优秀的保举奇迹的准确性。但实践上，摄取这个模子还有另外一个次要指标：原始音频模子会把新歌斟酌进来。
比如说，你的创作歌手一又友在 Spotify 上刚放上了一首新歌。可能它只消 50 次听歌记载，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若干印迹，是以天然谈话管制模子也不会珍摄到它。侥幸的是，原始音频模子并不分辨新歌曲和热点歌曲。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。咱们如何智力分析这些看起来如斯空洞的原始音频数据呢？
…用卷积神经麇集！
卷积神经麇集相通亦然赈济面部识别的技能。只不外在 Spotify 的案例中，他们被稍作修改以基于音频数据管制而不是像素点。底下是一个神经麇集架构的例子：
[Image credit: Sander Dieleman]
这个特定的神经麇集有四个卷积层，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暗示，进而连续起来酿成频谱图。
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。该层在所有这个词时辰轴上网罗数据，并灵验谋划和统计歌曲时长内的学习特征。
管制完之后，神经麇集中得出其对歌曲的默契，包括预想的时辰签名，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，对这些对歌曲关键特征的默契可以让 Spotify 来决定歌曲之间的相似度，以及左证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赈济的保举功课历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连续在沿途，其中包括诓骗海量的数据存储以及卓越多的 Hadoop 集群来作念保举奇迹的推广，使得引擎得以谋划巨型矩阵，用之不停的互联网音乐著述和多量的音频文献。
我但愿本文可以对你有所启发，况且像其时它对我一样或然激起你的兴趣。怀着对幕后的机器学习技能的了解和谢意之情，当今我将通过我我方的每周发现来寻找我可爱的音乐。