ИИ в системах музыкальных рекомендаций

Это важно, потому что именно оно влияет на то, как большинство людей сегодня открывают для себя музыку и как артисты находят новых поклонников.

Музыкальные рекомендации сочетают в себе несколько техник. Совместная фильтрация находит слушателей со схожими привычками и предлагает то, что им понравилось («людям, которым нравится это, нравится и то»), что является мощным средством, но помогает бороться с совершенно новыми или малоизвестными треками, проблемой «холодного старта». Чтобы исправить это, сервисы анализируют сам звук: нейронные сети превращают песню в спектрограмму и изучают такие характеристики, как темп, энергия, тональность и настроение, поэтому новую загрузку можно сопоставить с похожей по звучанию музыкой без каких-либо воспроизведений. Модели на естественном языке анализируют обзоры, плейлисты и тексты песен для контекста. Например, Discover Weekly от Spotify объединяет сигналы совместной работы, аудиомодели и анализ того, как песни сочетаются друг с другом в созданных пользователем плейлистах, чтобы каждую неделю создавать персонализированный микс из 30 треков.