Spotifyは機械学習モデルをどのように使用して音楽を推奨していますか？
公開: 2021-03-04Spotifyは、スマートな予測とユーザーへの推奨を使用する主要な音楽アプリの1つです。 自分の好みに合わせてプレイリストを手動で検索、ダウンロード、キュレートしていた時代は終わりました。 機械学習とデータサイエンスの現在の時代は、Spotifyのようなアプリがユーザーの好みや好みを理解し、それに応じて曲や厳選されたプレイリストを推奨することを可能にしました。
このチュートリアルを終了するまでに、次の知識が身に付きます。
- Spotifyとそのユニークな機能
- Spotifyがスマートな予測を行う方法
- その背後にある機械学習
目次
Spotify –音楽の魔神
2000年代初頭、音楽をダウンロードして聴くための最良かつ最も便利な方法は、サードパーティのWebサイトまたは著作権侵害のいずれかによるものでした。 どちらも、最初に曲を検索してからダウンロードするのに時間と労力を要しました。 さらに、お気に入りの曲を含むプレイリストを作成するのが面倒でした。 そして、それらは静的なプレイリストでした。 つまり、ユーザーが好みに応じて手動で曲を追加または削除しない限り、プレイリストはそのまま残ります。 あまり便利ではありません。
もう1つの欠点は、アーティストの観点からでした。 人気のあるアーティストは、世界中のチャートに存在していたため、新しいリリースを販売するために多くの問題に直面していませんでした。 しかし、新しく独立したアーティストは、自分たちが作成している音楽を望んでいる幅広い聴衆に自分たちの音楽を届けるために多くの問題に直面しました。 これは、潜在的にキラーなアーティストの多くがうまくやることができなかったか、敵対的なレコード会社に降伏しなければならなかったことを意味しました。
Spotifyはゲームを変えました。 2008年にスウェーデンで発売されたSpotifyは、音楽ストリーミング業界を主流にすることを目的としていました。 今日、Spotifyは毎月約3億4500万人のアクティブユーザーを誇っています。 Spotifyは、機械学習とデータサイエンスを中核として活用し、リスナーのリスニング習慣、場所、年齢などから収集したデータに基づいて、リスナー向けの推奨事項と厳選されたプレイリストを作成します。
リスナーは、自分の好みの音楽を手動で検索してダウンロードするために時間を費やす必要がなくなりました。 彼らは今、彼らのために特別に作られたプレイリストを手に入れます。 さらに、彼らは毎週、他の方法では発見できなかった新しい曲やアーティストに触れることができます。 これは、機械学習も使用して行われます。
これだけでなく、アーティストも今アドバンテージを得ています。 アーティストは、他の方法では得られなかったであろう聴衆を獲得します。 彼らの音楽は、そのタイプの音楽が好きなリスナーに自動的に推奨されます。 だから、それはお互いに有利です！ それでは、機械学習モデルがどのように活用されているかを見てみましょう。
世界のトップ大学（修士、エグゼクティブ大学院プログラム、ML＆AIの高度な証明書プログラム）からオンラインでMLコースに参加して、キャリアを早急に進めましょう。
Spotifyは機械学習とデータサイエンスをどのように活用していますか？
Spotifyは、機械学習を活用することで、ユーザーに4つの主要な機能を提供します。 これらには以下が含まれます：
- ホームページプレイリスト：ユーザーがアプリを開くとすぐにホームページに表示される推奨プレイリストです。
- Discover Weekly：リスナーの好みに基づいて新しい曲で更新される、毎週のプレイリストの推奨事項です。
- デイリーミックス：リスナーが最も再生し、気に入った曲で構成されるデイリープレイリストです。
- Time Capsule：古いクラシックと他の人気のあるレトロな曲を含む混合プレイリストです。
これらのうち、DiscoverWeekly機能はSpotifyが提供する主力機能です。 機械学習とビッグデータベースのモデルを使用しており、毎週月曜日に厳選されたプレイリストで50曲の新曲を推奨しています。 これは、Spotifyが現在の場所に到達するのに役立ちました。 この機能は、ユーザーをアプリにバインドするだけでなく、さらに多くのデータを生成するため、時間の経過とともに推奨事項が改善されます。
Discover Weeklyの場合、Spotifyはユーザー固有のデータを多数収集して、厳選されたプレイリストの動作と満足度を理解します。 ユーザーがプレイリストに費やした時間、曲が再生された回数、その曲のアルバムまたはアーティストページに費やされた時間、ユーザーが曲をスキップしたかどうか、ユーザーがそれを個人のプレイリストに保存したかどうか、およびユーザーがDiscoverWeeklyページに戻ったかどうか。 Spotifyは、DiscoverWeeklyページを強化する3種類のモデルを使用しています。
- 協調フィルタリング：協調フィルタリングは、あらゆるレコメンデーションシステムの重要なコンポーネントです。 Netflixも1つを使用し、評価システムを使用して映画を推薦します。 一方、Spotifyは評価システムを使用しませんが、リスナーが推奨事項に満足しているかどうかを確認するために、ユーザーの行動指標に依存します。
- 自然言語処理： SpotifyはNLPを活用して、世界中のリスナーやレビューアが曲に使用している言語を理解します。 彼らのNLPシステムは、ブログ投稿、レビュー、その他の利用可能なメタデータの形式で利用可能なテキストを求めてWebをクロールし続けます。 キーワードが抽出され、そのベクトル表現として曲に割り当てられます。 ブログで言及されている同様のアーティストも、同様のアーティストのセクションにまとめられています。 NLPシステムは、特定のアーティストのブログで複数回使用される特定のベクトルにも重みを割り当てます。 また、使用されているトレンドの単語とその感情/感情も追跡します。 また、Word2Vecのような単語埋め込み技術を使用して、歌詞とそれに関連付けられたタグに基づいて類似した曲をグループ化します。
- オーディオモデル：テキストベースの分析とは別に、Spotifyには畳み込みニューラルネットワークに基づくオーディオモデルも組み込まれています。 この生データは、モデルが曲をクラスター化し、ユーザーの好みにどれだけ近いかを確認するのに役立ちます。 CNNモデルは、ラウドネス、周波数、テンポ、1分あたりの拍数、作曲、ジャンルなどのさまざまな曲の特性を分析します。したがって、リズム、トーン、作曲が類似している曲は、ユーザーの推奨チャートで高く評価されます。
関連：機械学習モデル
将来の機会
Spotifyはレコメンデーションスペースで非常にうまくいっていますが、パーソナライズされたレコメンデーションエリアではまだ改善する必要があります。 ユーザーの実際の満足度と、機械学習モデルが満足度と見なすものとの間のギャップを埋める必要があります。 彼らは、パーソナライズ技術を向上させるために、2017年にフランスのスタートアップNilandを買収しました。
これにより、推奨事項のパフォーマンスが大幅に向上し、ユーザーは好みに応じて曲を入手できるようになりました。 Spotifyは、曲やプレイリストをより良い方法で共有するために、より多くのソーシャルメディアプラットフォームに変換することも検討している可能性があります。
また読む：機械学習プロジェクトのアイデアとトピック
行く前に
サインアップするユーザーが増えるにつれ、Spotifyが扱うデータは今後数年間で大幅に増加するでしょう。 これは、推奨事項を改善するためのより良い機会を意味するだけでなく、非常に多くのデータを処理するための課題も意味します。 このような巨大な力により、Spotifyのデータは、音楽会社やレコードにとっても重要であり、人々が現在聞いているものや好きなものに基づいて重要なビジネス上の決定を下すことができます。 これは、ユーザー全体の聴取を最大化するためのターゲットを絞った音楽制作戦略になります。
Spotifyは、ポッドキャストセクションを変換して、リスナーに新しいポッドキャストを推奨する際の機能を大幅に向上させることもできます。 同様のテーマやトピックについて話すポッドキャストをグループ化して、推奨事項に使用することができます。 AppleMusicやYouTubeMusicなどのアプリとの競争が激化する中、音楽技術の分野が何年にもわたってどのように発展していくかを見るのは興味深いことです。
デシジョンツリー、機械学習について詳しく知りたい場合は、IIIT-BとupGradの機械学習とAIのエグゼクティブPGプログラムをご覧ください。このプログラムは、働く専門家向けに設計されており、450時間以上の厳格なトレーニング、30以上のケーススタディを提供しています。課題、IIIT-B卒業生のステータス、5つ以上の実践的なキャップストーンプロジェクト、トップ企業との仕事の支援。