Giải mã cách Spotify giới thiệu nhạc cho người dùng

Máy học (ML) và trí tuệ nhân tạo (AI) đã cách mạng hóa ngành truyền phát nhạc bằng cách nâng cao trải nghiệm người dùng, cải thiện khả năng khám phá nội dung và cho phép đề xuất được cá nhân hóa. Nhiều nền tảng truyền phát nhạc sử dụng các thuật toán ML tinh vi để phân tích lịch sử nghe tùy chọn của người dùng và dữ liệu theo ngữ cảnh để cung cấp các đề xuất âm nhạc tùy chỉnh.

Spotify là một trong những nền tảng phát nhạc trực tuyến hàng đầu thế giới và ML và AI đã đóng một vai trò quan trọng trong thành công của Spotify bằng cách cách mạng hóa trải nghiệm phát nhạc. Với các đề xuất được cá nhân hóa, danh sách phát động và sắp xếp theo thuật toán, thuật toán ML của Spotify nâng cao mức độ hài lòng và mức độ tương tác của người dùng.

Spotify hiểu thị hiếu âm nhạc của bạn như thế nào?

Hệ thống đề xuất của Spotify là sự kết hợp phức tạp giữa lọc cộng tác, lọc dựa trên nội dung và các kỹ thuật ML/AI khác.

Spotify cũng sử dụng sự cân bằng giữa khám phá và khai thác. Khai thác cung cấp các đề xuất dựa trên thói quen nghe trước đó và khám phá dựa trên mức độ tương tác không chắc chắn của người dùng. Nó là một công cụ nghiên cứu để tìm hiểu thêm về cách mọi người tương tác với nội dung được đề xuất.

Hệ thống đề xuất của Spotify là sự pha trộn tinh vi của nhiều kỹ thuật khác nhau để cung cấp cho người dùng trải nghiệm nghe thú vị và được cá nhân hóa.

Hiểu về lọc cộng tác

Lọc cộng tác là một phương pháp sử dụng hành vi của người dùng để đưa ra các đề xuất. Nếu hai người dùng có sở thích âm nhạc giống nhau, hệ thống có thể đề xuất các bài hát mà một người dùng đã nghe nhưng người kia thì chưa.

Lọc cộng tác là một quá trình thao tác ma trận, trong đó số lần phát bài hát của người dùng được tổ chức thành một ma trận thưa thớt. Ma trận được chuyển đổi thành hai ma trận, ma trận sở thích và ma trận độ tin cậy, cho biết liệu người dùng đã nghe một bài hát hay chưa và hệ thống chắc chắn như thế nào về sở thích này. Sau đó, hệ thống sử dụng thuật toán để tìm các vectơ bài hát gần nhất ‘K’ cho mọi vectơ người dùng, đưa ra đề xuất dựa trên những phát hiện này.

Nếu bạn là một người hâm mộ Davido và bạn thích nghe Wizkid. Tính năng lọc cộng tác lưu ý đến mẫu này và nếu một người dùng khác thích nghe Davido nhưng chưa phát hiện ra Wizkid, thì hệ thống có thể đề xuất Wizkid.

Tính năng lọc cộng tác tiến thêm một bước bằng cách nhóm những người dùng có sở thích âm nhạc tương tự nhau. Quá trình này, được gọi là lọc cộng tác người dùng-người dùngnhóm người dùng có hành vi hoặc sở thích tương tự.

Một cách tiếp cận khác là lọc cộng tác item-item. Thay vì nhóm những người dùng tương tự, nó tập trung vào mối quan hệ giữa các mục. Nếu nhiều người dùng thích cùng một bài hát, hệ thống sẽ xác định các bài hát đó giống nhau.

Hạn chế của lọc cộng tác

Lọc cộng tác đã cách mạng hóa cách chúng tôi khám phá nội dung mới nhưng vẫn có những hạn chế. Phương pháp này gặp khó khăn với vấn đề “bắt đầu nguội”, trong đó việc đưa ra các đề xuất chính xác cho người dùng mới hoặc các mặt hàng không có dữ liệu lịch sử là một thách thức.

Lọc cộng tác cũng bị sai lệch về mức độ phổ biến, thường đề xuất các mặt hàng phổ biến trong khi bỏ qua các loại đá quý ít được biết đến.

Bất chấp những thách thức này, lọc cộng tác vẫn là nền tảng của các hệ thống đề xuất hiện đại. Khả năng khai thác trí tuệ tập thể của người dùng và cung cấp các đề xuất được cá nhân hóa khiến nó trở thành một công cụ không thể thiếu.

Giải thích về lọc dựa trên nội dung

Lọc dựa trên nội dung giúp khắc phục vấn đề khởi động nguội. Phương pháp lọc dựa trên nội dung xử lý bài hát bằng cách sử dụng phổ để phân tích âm thanh. Mạng thần kinh tích chập (CNN) hiểu bài hát, bao gồm các đặc điểm như chữ ký thời gian ước tính, khóa, chế độ, nhịp độ và âm lượng. Nếu một bài hát mới có các thông số tương tự như các bài hát yêu thích của người dùng, Spotify có thể sẽ đề xuất bài hát đó.

Quá trình này liên quan đến việc so sánh các tính năng của từng bài hát với các tính năng của bài hát do người dùng tương tác. Các tính năng càng giống nhau thì khả năng bài hát được đề xuất cho người dùng càng cao.

Spotify điều chỉnh các đề xuất này cho phù hợp với sở thích âm nhạc độc đáo của người dùng, mang đến trải nghiệm nghe tùy chỉnh. Cho dù bạn là người hâm mộ các bài hát rock có nhịp độ nhanh ở cung Mi thứ hay các bài hát pop du dương, chậm rãi sử dụng nhiều piano, tính năng lọc dựa trên nội dung đảm bảo bạn sẽ khám phá ra bản nhạc mới phù hợp với mình.

Mức độ liên quan theo khu vực: Phân tích lời bài hát và bài đăng trên blog

Âm nhạc là một ngôn ngữ toàn cầu vượt qua biên giới, văn hóa và thời gian. Tuy nhiên, bên dưới sức hấp dẫn toàn cầu của nó là một tấm thảm phong phú về những ảnh hưởng của khu vực được dệt một cách phức tạp vào kết cấu của mỗi bài hát.

Mỗi bài hát đều mang dấu ấn riêng của văn hóa và vùng miền mà nó bắt nguồn. Từ những nhịp điệu sống động của Mỹ Latinh đến những giai điệu ám ảnh của Trung Đông, âm nhạc phản ánh các giá trị, truyền thống và trải nghiệm của người sáng tạo và người nghe. Để thực sự nắm bắt được bản chất của một bài hát, bạn phải đi sâu vào môi trường văn hóa truyền cảm hứng cho việc tạo ra nó.

Bằng cách phân tích bối cảnh lịch sử, xã hội và địa lý của một bài hát, chúng tôi hiểu được ý nghĩa của nó. Cho dù đó là sự tôn vinh tình yêu trong một bản ballad của Bollywood hay cách kể chuyện nhịp nhàng trong các bài hát dân ca châu Phi, mỗi viên ngọc âm nhạc đều bắt nguồn từ di sản văn hóa của nguồn gốc của nó. Nắm bắt kiến ​​thức này cho phép chúng ta kết nối với âm nhạc ở mức độ sâu hơn và đánh giá cao vẻ đẹp của nó trong bối cảnh toàn cầu rộng lớn hơn.

Spotify sử dụng mức độ phù hợp của khu vực để cung cấp trải nghiệm cá nhân hóa hơn cho người dùng. Spotify sử dụng quy trình xử lý ngôn ngữ tự nhiên (NLP) để phân tích các bài báo, blog và bài đánh giá trực tuyến nhằm biên soạn danh sách các bộ mô tả được sử dụng thường xuyên nhất cho một bài hát hoặc nghệ sĩ cụ thể. Các bộ mô tả “vectơ văn hóa” này tìm ra điểm tương đồng giữa các nghệ sĩ, bài hát và sở thích của người dùng.

Các vấn đề với khám phá âm nhạc bằng AI

Việc tích hợp AI trong khám phá âm nhạc có nhiều thách thức.

Quá phụ thuộc vào dữ liệu người dùng và cá nhân hóa

Các hệ thống đề xuất âm nhạc do AI điều khiển chủ yếu dựa vào dữ liệu người dùng để sắp xếp danh sách phát được cá nhân hóa. Thuật toán của Spotify phân tích lịch sử nghe nhạc, thể loại yêu thích và thời gian bạn nghe nhạc trong ngày.

Mặc dù mức độ cá nhân hóa này nâng cao trải nghiệm người dùng, nhưng nó cũng đặt ra một thách thức đáng kể. Việc phụ thuộc quá nhiều vào dữ liệu người dùng có thể dẫn đến hiệu ứng buồng dội âm, trong đó hệ thống chỉ đề xuất nhạc tương tự với những gì bạn đã nghe, hạn chế tiếp xúc với các thể loại và nghệ sĩ mới.

Rào cản khám phá âm nhạc mới và đa dạng

Khám phá âm nhạc mới và đa dạng là một nhiệm vụ phức tạp đối với AI. Thuật toán phải đạt được sự cân bằng tinh tế giữa các bài hát trong vùng thoải mái của người dùng và giới thiệu họ với các thể loại hoặc nghệ sĩ không quen thuộc. Nhiều cái trước có thể làm cho các đề xuất đa dạng hơn, trong khi quá nhiều cái sau có thể khiến người dùng xa lánh.

Thách thức này càng trở nên phức tạp hơn bởi thư viện nhạc rộng lớn và đa dạng mà Spotify tự hào, khiến AI khó điều hướng và đề xuất từ ​​nhiều thể loại nhạc như vậy.

Đề xuất của Spotify không phải lúc nào cũng chính xác

Danh sách phát là một trong những thành phần cốt lõi của Spotify và thật thú vị khi hiểu cách các kỹ thuật AI và ML định hình âm nhạc mà chúng ta nghe. Nhưng bất kỳ người dùng Spotify nào cũng sẽ biết rằng ngay cả khi trí tuệ nhân tạo kết hợp bản sắc âm nhạc của bạn lại với nhau, nó vẫn có thể tạo ra một tiếng kêu tuyệt đối và bị chặn ngay lập tức.