16.12.2022 23:14
AnnaAmbrozevich 8 1400 Источник

Когда просишь назвать самые крутые в персонализации бренды, то много лет подряд все называют Amazon и Netflix.

Но теперь появился и третий брат, Spotify, со своим функционалом персонального плейлиста из 50 треков - Discover Weekly. По словам ML-лидера Spotify именно этот функционал он считает в продукте флагманским, хотя сами алгоритмы и ранее работали в приложении.

????В чем же фишка? Персонализированные подборки строятся на 3 основных ML-алгоритмах:

1. Коллаборативная фильтрация

Это довольно популярный алгоритм товарных рекомендаций, который делает подборки на основании того, что нравится людям с похожим поведением/вкусом. То есть, если у другого человека в плейлисте преобладают те же треки, что и у вас, но есть дополнительные, то алгоритм порекомендуют вам их или на них похожие.  

2. Natural Language Processing (NLP)

С помощью NLP компания анализирует статьи, блоги и другую информацию по треку, транскрибирует их в текст, размечает трек тегами и сравнивает их между собой с учетом весов. Напоминает алгоритм товарных рекомендаций аффинити, только в этом случае атрибуты берутся не из товарного фида, а с помощью NLP. 

3. Convolutional Neural Networks (CNN)

Модель, которая обычно используется для распознавания лиц, в случае Spotify распознает аудио треки и раскладывает их на биты, уровень шума, ноты и тд. Этот алгоритм "подкручивает" выборку, добавляя туда менее популярные треки, которые вряд ли попали бы туда после работы двух первых алгоритмов. 

____

Реализация выглядит очень впечатляюще. И по окружению все в восторге от рекомендаций Spotify. 

Наш Telegram-канал Академия CRO&Персонализации.

Комментарии (8)


  1. bromzh
    16.12.2022 23:36
    #25017488
    +2

    Как работают рекомендации в Spotify

    Плохо


    1. kimor
      17.12.2022 00:37
      #25017612
      -1

      по-моему тоже


  1. exmk
    17.12.2022 00:17
    #25017570
    +4

    Извините, но в данном случае сказать, что тема не раскрыта - ничего не сказать. Рекомендую автору больше полистать другие статьи на хабре, чтобы +- понимать местные "стандарты", что-ли.


    1. victor_1212
      17.12.2022 01:00
      #25017646
      +1

      Ув. Михаил, это просто не слишком удачный перевод из блога студентки 2 курса из Индии Akanksha Dhar, см

      https://medium.com@akankshadhar2


      1. AnnaAmbrozevich Автор
        17.12.2022 01:15
        #25017658
        -4

        да, я писала summary для себя как для маркетолога. Это не дословный перевод. Вижу, что тема интересная для аудитории, поэтому полагаю, что более технические специалисты эту тему раскроют здесь. Источник указала, чтобы было понятно откуда summary


  1. Djaler
    17.12.2022 00:36
    #25017610

    По моему опыту - работают отвратительно. Я как-то раз решил попробовать вкатиться в модный спотифай и загрузил скриптом ему свою базу лайков из другого сервиса. Казалось бы, вот тебе готовый датасет, рекомендуй мне. Но нет, первые рекомендации я увидел только через неделю и это были просто рандомные треки из моих же лайков.


  1. dolfinus
    17.12.2022 01:48
    #25017720

    Даже 5-минутное видео на Ютубе содержит больше полезной информации:


  1. tulaganov_m
    17.12.2022 16:50
    #25018890
    -1

    Я так и не нашёл на Spotify то, что хотел бы слушать - агрессивную по настроению музыку.

    Система Spotify настойчиво предлагает ванильные песни про любовь, свадьбу и всё хорошее, либо (по текстовом содержанию) депрессивные песни, опять же, про любовь и разлуку.

    Система сама решила что именно такие песни мне нравятся, однако альтернативы представлены не были.

    На Яндекс музыке есть следующий раздел: "Подборки" -> "В настроение" -> "Агрессивное".

    Раздел тот в Яндекс музыке работает не идеально, однако попадание к интересам примерно в 4/5 случаях.