Ako koristite Spotify, verovatno imate svoje mišljenje o njegovom algoritmu za preporuke
Algoritam može da vam pomogne da otkrijete muziku i umetnike koje inače nikada ne biste pronašli
Spotify je objasnio kako njegov algoritam za preporuke funkcioniše, što bi moglo pomoći da i vi to bolje razumete.
Kako funkcioniše Spotify-jev algoritam za preporuke
Korišćenje mašinskog učenja
Spotify je objavio osnovne informacije o tome kako funkcioniše njegov algoritam za preporuke, a ovo su tehnički detalji koji pojašnjavaju pojednostavljene informacije i šta to zapravo znači. Postoje tri glavna stuba preporuka koje Spotify koristi:
1. Kolaborativno filtriranje: Ovaj model predlaže sadržaj na osnovu sličnosti između korisnika i njihovog ponašanja. Ako dva korisnika slušaju slične pesme, Spotify može preporučiti dodatne pesme koje se sviđaju jednom korisniku – drugom korisniku. Kolaborativno filtriranje je izuzetno korisno kada postoji mnogo podataka o korisnicima sa sličnim ukusom.
2. Filtriranje bazirano na sadržaju: Ovaj model preporučuje pesme na osnovu karakteristika samog sadržaja. Spotify kategorizuje pesme prema metapodacima (npr. žanr, tempo, raspoloženje) i može koristiti obradu prirodnog jezika (NLP) za analizu tekstova ili opisa pesama. Ako korisnik često sluša energične pop pesme, filtriranje zasnovano na sadržaju može predložiti slične pop pesme.
3. Duboko učenje i neuronske mreže: Spotify koristi neuronske mreže kako bi identifikovao složene obrasce u podacima o korisnicima i karakteristikama sadržaja za personalizovane plejliste kao što su “Discover Weekly” ili “Release Radar”. Rekurentne neuronske mreže (RNN) često se koriste u sekvencijalnim preporukama kako bi predvidele šta bi korisnik želeo da čuje sledeće na osnovu istorije slušanja. Prvi metod je čest kod drugih striming servisa, najviše kod Netflix-a. Na primer, ako jedan korisnik uživa u istim emisijama kao drugi korisnik, Netflix će preporučiti iste emisije prvom korisniku.
Spotify koristi slične tehnike kada je u pitanju pretraga. Spotify kaže da ako se mnogi korisnici, prilikom pretrage, povežu sa određenim rezultatom, to će zatim oblikovati rezultate budućih pretraga za druge korisnike. Neuronske mreže kompanije takođe kreiraju vaš “profil ukusa”, a akcije poput pretrage, slušanja, preskakanja ili čuvanja u biblioteci informišu Spotify o tome šta vam se sviđa, a šta ne.
Na kraju, “Discovery Mode” omogućava umetnicima i izdavačima da promovišu određene pesme za povećanu vidljivost, u osnovi prioritetizujući te pesme u algoritmu za preporuke. Međutim, ovo nije garantovano pojavljivanje; Spotify i dalje osigurava da bilo koji promovisan sadržaj odgovara vašem profilu ukusa i obrascima angažovanja. Ako pesma iz “Discovery Mode”-a ne privlači slušaoce, algoritam Spotify-a će je prirodno smanjiti u preporukama. Ovo funkcioniše slično kao ciljani oglasi koji se prikazuju samo ako odgovaraju vašim interesovanjima.
Kako možete uticati na Spotify-jev algoritam?
Spotify vam pruža nekoliko alata za to
Ako želite da usmerite preporuke, možete Spotify-ju dati signale o svojim preferencijama:
– Isključite iz svog profila ukusa: Možete isključiti određene plejliste iz svog profila ukusa, pomažući Spotify-ju da shvati da te navike slušanja ne odražavaju nužno vaš celokupni muzički ukus.
– Označite pesme kao “Nisam zainteresovan”: Aktivnim označavanjem pesme ili izvođača kao „nisam zainteresovan“ smanjujete šansu da se sličan sadržaj pojavljuje u vašim preporukama, dajući vam veću kontrolu nad onim što ćete videti.
– Filter za eksplicitan sadržaj: Ako želite da izbegnete eksplicitan sadržaj, Spotify-jev filter za eksplicitan sadržaj će ga blokirati, potpuno ga isključujući iz vaših preporuka.
Spotify-jev algoritam za preporuke funkcioniše na način na koji biste očekivali od bilo kog algoritma za preporuke. Koristeći alate koje vam platforma nudi, možete promeniti način na koji vam preporučuje pesme.
Spotify-jev algoritam nije samo generator plejlista; to je servis za otkrivanje muzike koji vam može pomoći da pronađete nove umetnike i pesme koje se uklapaju u vaš muzički profil. Naravno, ne mora sve da vam se svidi, ali može da vam pomogne da otkrijete muziku i umetnike koje inače nikada ne biste pronašli.
Izbor: Xda-developers
