Какую задачу решает Spotify
На Spotify больше 100 миллионов песен. Вы успеете послушать лишь малую их часть. И Spotify как-то должен понять, какие из этих 100 миллионов вам понравятся, зная о вас совсем немного. Это и есть задача рекомендаций, одна из самых трудных в ИИ.
Три составляющие секретного рецепта Spotify
1. Коллаборативная фильтрация: «Людям, похожим на вас, также понравилось...»
Самая сильная составляющая: что слушают другие люди с похожим вкусом. Если вы и еще миллион пользователей любите один и тот же набор исполнителей, Spotify может уверенно предложить вам то, что полюбили эти пользователи и чего вы еще не слышали.
Для этого ничего не нужно знать о самой музыке, достаточно закономерностей: кто что слушает. Если те, кто слушает фолк-группу А, заметно чаще других слушают и джазовое трио Б, Spotify запоминает эту связь, даже если жанры кажутся совсем далекими.
2. Анализ звучания: как музыка звучит на самом деле
Spotify анализирует звук каждой песни в своем каталоге. Кроме жанра и тональности, он вычисляет темп, танцевальность, энергичность, валентность (насколько музыка «позитивная»), громкость, долю речи и еще десятки параметров.
Если вам обычно нравятся энергичные быстрые песни, Spotify найдет другие энергичные быстрые песни, которых вы еще не слышали, даже у исполнителей, о чьих слушателях у него пока нет данных.
3. Обработка естественного языка: что люди пишут о музыке
Spotify анализирует миллиарды веб-страниц, записей в блогах, рецензий и постов в соцсетях, чтобы понять, какими словами люди описывают музыку. «Мечтательная», «меланхоличная», «идеальна для учебы», «звучит как летний день» — такие описания объединяют песни в группы, которые один только анализ звука пропустил бы.
Discover Weekly: где все сходится
Каждый понедельник в Spotify появляется плейлист Discover Weekly («Открытия недели») из 30 песен, подобранных лично для вас. Его собирают так: находят группу пользователей, которые в последнее время слушают похожее на вас, берут их не самые популярные любимые песни и пропускают через фильтр по звучанию, чтобы они подходили под ваш вкус. Обычно получается подборка музыки, которая звучит знакомо, от исполнителей, которых вы никогда не слышали.
Почему рекомендации иногда промахиваются
У рекомендательных систем есть реальные ограничения:
- Эффект «эхо-камеры»: система все лучше угадывает, что вам нравится сейчас, и из-за этого вы можете так и не открыть для себя музыку, далекую от ваших привычных вкусов.
- Слепота к ситуации: Spotify чаще всего не знает, учитесь вы, занимаетесь спортом или веселитесь на вечеринке. Песня, идеальная в одной ситуации, неуместна в другой.
- Проблема «холодного старта»: новые исполнители, которых еще никто не слушал, почти не попадают в рекомендации, поэтому неизвестным музыкантам трудно пробиться к слушателям.
Любопытный факт
В 2014 году Spotify купил компанию музыкальной аналитики Echo Nest, по сообщениям, за 100 миллионов долларов. Echo Nest годами строила систему для анализа звучания всех когда-либо записанных песен. Эта покупка и легла в основу системы рекомендаций, которой вы пользуетесь сегодня.
Коротко
Система рекомендаций Spotify сочетает три вида данных: кто слушает то же, что и вы, как музыка звучит на самом деле и что о ней пишут люди. Вместе эти сигналы позволяют с поразительной точностью угадывать ваш вкус в каталоге из 100 миллионов песен. А если понимать, как устроены рекомендательные системы, легче заметить, когда они направляют ваш вкус, и решить, когда идти за алгоритмом, а когда искать музыку самостоятельно.