每到周一的时候，就会有超过1亿的Spotify用户创造，运用中会有一个新的播放列表等待着他们。这里面包含有Spotify（准确来说是Spotify的人工智能技能）为用户“定制”的、以前从未听过的，但很可能会喜好的30首歌曲。它的名字叫Discover Weekly，它非常神奇。
我是Spotify的虔诚粉丝，尤其喜好Discover Weekly这一功能。它让我觉得很舒畅，比我身边任何一个人都更理解我的音乐品味。在每周都能给我推举一些我可能永久不会创造，但非常喜好的音乐。
而且事实证明，我并不是唯一一个痴迷于Discover Weekly的人，用很多Spotify的用户群为之猖獗。这匆匆使Spotify对其非常重视，将更多资源投入到这个基于算法的推举播放列表中。
自从2015年Discover Weekly首次亮相以来，我一贯很想知道它是如何运作的。在猖獗地利用谷歌搜索了三周后，我终于有机会看到了其幕后的秘密。
那么，Spotify是如何做到给每个用户每周都挑选30辅弼符他们喜好的歌曲的呢？让我们先看看其他音乐做事是如何做音乐推举的，以及Spotify是如何做得更好的。
在线音乐推举歌单简史
早在2000年，Songza就开始利用“人工精选”的办法来为用户创建音乐播放列表。“人工精选”意味着，一些“音乐专家”或其他的干系职员，会根据自己的品味来制作歌单。（后来，Beats Music也采取了同样的策略。）人工的调度效果还不错。但它是手动的，显得非常大略。而且它还没有考虑到每个用户的音乐品味的差别。
和Songza一样，Pandora也为用户供应了一些类似于歌单的音乐播放列表。它采取了一种轻微高等的方法，并不是通过手动标记歌曲的属性。而是让一群人听音乐，并为每首歌选了一些描述性的单词，并用这些单词对歌曲进行标记。然后，Pandora的代码可以过滤某些标签，从而制作出听起来类似的歌单。
大约在同一韶光，来自麻省理工学院媒体实验室的音乐情报机构Echo Nest出身了，它采取了一种更为前辈的个性化音乐推举办法。Echo Nest利用算法剖析音乐的音频和文本内容，使其能够进行音乐识别、并进行个性化推举、创建歌单并对其进行剖析。
末了，Last.fm采取了一种不同的办法，它利用一种名为“协同过滤（collaborative filtering）”的方法来识别用户可能会喜好的音乐。稍后再详细先容。
我们知道了其他音乐做事供应推举列表的办法，那么Spotify是如何做的呢？它彷佛比其他任何音乐做事都更能准确地瞄准用户的品味。
Spotify的3种推举模式
实际上，Spotify并没有采取一种革命性的歌曲推举模式，而是将其他做事利用的一些最佳策略组合在一起，打造了一个独特而又强大的音乐创造引擎。
为了创建Discover Weekly，Spotify采取了三种紧张的音乐推举模式：
协同过滤模型（即Last.fm最初利用的模式），它通过剖析用户利用行为进行事情。
自然措辞处理（NLP）模型，通过剖析文本进行事情。
原始音频剖析模型，其事情事理是剖析原始音频轨道本身。
接下来，让我们来看看这些推举模型是如何事情的。
推举模型1:协同过滤
如果你理解Netflix的话，你可能对“协同过滤”这个词不会感到陌生。Netflix是最早利用协同过滤来为用户做推举的公司之一。即通过用户对电影的评价，来判断影片的属性以及用户的喜好程度，然后综合用户的反馈将电影推举给其他“类似”的用户。
Netflix利用协同过滤模型取得了成功，它开始迅速传播开来。就目前而言，基本上每一个想要建立推举模型的产品，都会选择从协同过滤入手。
与Netflix不同的是，Spotify并没有让用户对音乐或者歌星进行评价。相反，它利用的是一种隐蔽在用户利用习气下的反馈——详细来说，便是用户听了哪些歌曲，是否将歌曲保存到播放列表中，是否在听了歌曲之后去访问了歌星的页面等等数据。
什么是协作过滤，它是如何事情的呢？大略来说，其基本逻辑就像下图中的对话一样：
从上图中看以看出，这两个人都有一些偏好——左边的人喜好P、Q、R和S;右边的人喜好Q、R、S和T。
通过协同过滤对这一数据剖析之后，可以初步得出这样的结论：
“这两个人同时喜好Q、R和S——以是他们可能是相同类型的用户。以是，他们都有可能会喜好对方听过，但自己没有听过的歌曲。”
然后就给右边的那个人推举P，给左边的那个人推举T？很显然，并不是这么大略。
那Spotify是如何利用这一观点，并打算数以百万计的用户，然后根据这些用户的偏好去推举歌曲呢？
如下图所示，是用Python库来完成的。
这是一个非常简化的模型，用户如果听过一首歌曲，那么就会标注为1，否则为0。Spotify利用的模型远比这繁芜。
实际上，这个矩阵是非常弘大的。每一行代表了Spotify的1.4亿用户之一（如果你利用Spotify，你自己便是这个矩阵中的一行），而每一列都代表了Spotify数据库中3000万首歌曲中的一个。
然后，Python库会运行下面这个冗长而又繁芜的矩阵分解公式。
当它结束时，我们会得到两种类型的向量，这里用X和Y表示。X是一个用户矢量（user vector），代表一个用户的喜好，而Y是一个歌曲矢量（song vector），代表了一首歌的特色。
通过这种方法，我们得到了1.4亿个用户的矢量和3000万首歌曲的矢量。虽然这些矢量只是一堆毫无意义的数字，但利用它们去进行比较则会有很大的用途。
为了找到相似度比较高的用户，协同过滤可以将一个用户的矢量与所有其他用户的矢量进行比较，末了能找到与其最相似的用户。也可以把一首歌的矢量和其他所有的歌曲矢量进行比较，找出哪两首歌曲是最相似的。
协同过滤确实是一项不错的技能，但Spotify做得更好。
推举模型2:自然措辞处理（NLP）
Spotify采取的第二种推举模型是自然措辞处理（NLP）模型。顾名思义，这些模型的源数据是一些常规的词汇，比如音轨的元数据、新闻宣布、博客以及互联网上的其他文本。
自然措辞处理，作为打算机理解人类措辞的能力，本身便是一个巨大的领域。常日是通过感情剖析API来实现。
自然措辞处理背后的机制已经超出了本文的谈论范围。但我们可以理解一下其大致的事情事理:Spotify不断地在网络上探求关于音乐的博客文章和其他书面文本。从中找出人们对特定歌星和歌曲的评论中常常利用的形容词和措辞，以及有那些歌星与歌曲被放在了一起去谈论。
虽然我不知道Spotify如何处理他们的抓取数据，但可以通过Echo Nest去进行剖析理解。Echo Nest是Spotify在2014年收购的一家音乐剖析公司。这部分用到的术语被称为文化向量（cultural vectors）或顶级形容词（top terms）。每个歌星和歌曲都有成千上万的不断变革的顶级形容词。每一个形容词都有一个干系的权重，这反响了它的主要性（大略来说，一个人会用这个词来形容音乐的可能性）。
然后，就像协同过滤中一样，自然措辞处理模型利用这些术语和权重来创建歌曲的矢量，用来确定歌曲之间的相似度。很酷，对吧？
推举模型3:原始音频模型
说到这，你可能会问：
既然已经有了两个利用大量数据的模型。为什么还要剖析音频本身呢？
这背后有两个缘故原由，第一，原始音频模型能提高推举行事的准确性。第二，这个模型和上述的两个模型不同，会将新歌曲纳入到剖析范围中。
就比如说，有一个新的歌手在Spotify上发布了一首歌。但只有50个人听过，很难网络到足够的数据对其进行协同过滤处理。而且，在互联网上它也很少被提及，以是自然措辞处理模型也不会处理它。但原始音频模型不会区分新歌和盛行歌曲，以是在它的最用下，新歌手发布的新歌可以和盛行歌曲一起涌如今Discover Weekly 中。
那么，Spotify是如何剖析原始音频数据的呢？这看起来非常抽象。
大略来说，便是利用卷积神经网络。
卷积神经网络是面部识别系统背后的技能。在Spotify中，被修正了用于音频数据，而不是像素。下面是一个神经网络架构的例子：
如上图所示，这个分外的神经网络有四个卷积层-左边较宽的矩形，三个致密层-右边较窄矩形。输入以音频帧的韶光-频率表示，然后将它们连接起来形成光谱图。
音频帧通过这些卷积层，在末了的卷积层之后，会碰着对全体韶光轴进行池化的“全局时域池化”层，并有效地皮算出整首歌中学习到的特色并进行统计。
经由这个过程，神经网络就能对歌曲有所理解，包括时长、节奏、风格、音量、腔调等特色。下面是 Daft Punk 的《Around the World》30 秒钟片段的剖析示例。
终极，通过对这首歌的关键特色的理解，Spotify能够捕捉到歌曲之间的基本相似性，从而就能根据用户的播放记录去推举歌曲了。
综合上述的三种推举模型，就形成了Spotify的Discover Weekly的推举引擎。
当然，这些推举模型的准确性与Spotify大规模的生态系统有关。它有海量的数据存储，可以利用大量的Hadoop集群来扩大推举范围，让这些模型能够在巨大的矩阵、海量关于歌曲的文本和大量音频文件的根本上稳定运行。
（本文由36氪编译组授权发布，未经容许不得转载。编辑：郝鹏程）