音乐|算法推歌20年：从Pandora、Spotify到QQ音乐、网易云音乐音乐|投稿

作者 | 鲁修修，编辑 | 范志辉，音乐先声（ID:nakedmusic）

从杂志、报纸上的乐评专栏，到音乐流媒体上的用户评论、算法推荐，人们听歌的选择方式一直处于私人化和公开化之间。
近期，音乐软件Plexamp又进行了一次大规模的升级，其中最受关注的，当属新功能“Super Sonic”的上线。据Plex介绍，这款只针对会员用户的新功能将利用庞大的神经网络，从“声音”上对用户歌单中的歌曲进行分析，完成新内容的个性化推荐。不过，这一功能“更新需要占用大量的CPU，可能要花费您数小时甚至数天的时间。但一旦更新完成，将带给您全新的音乐体验。”
其实，以歌曲本身的要素作为标签，并对歌曲进行分类，“Super Sonic”的个性化推荐思路似乎没有创新，利用人工智能对歌曲进行分析也并不新鲜。而从Pandora、Spotify到QQ音乐、网易云音乐，国内外音乐流媒体平台的推荐系统已发展了20年。
长期以来，“国内推荐系统的体验不如国外”的声音一直层出不穷，如今“Super Sonic”横空出世，又掀起了新一轮关于个性化推荐的讨论。时至今日，“国外的推荐系统好在哪里”这个老问题，是否有了新的答案？
算法推歌20年互联网音乐电台Pandora推出的“音乐基因组计划”，是最早向用户个性化推荐歌曲的系统。
2000年，Pandora把一群音乐家和音乐技术人员聚在一起，他们从流派、节奏、风格等多方面来给歌曲贴“标签”，然后过滤这些标签，以达到分类的效果，最后把不同类型的歌曲推送给自己的用户。彼时，Pandora给歌曲贴的标签，基本上取决于音乐家的个人理解，而人工分析一首歌，往往需要15~30分钟的时间。

文章图片

如今，Pandora的推荐系统已相当强大，它能从超过450个角度理解歌曲——包括流派、歌手、旋律、和声等，甚至是歌手的鼻音。歌曲的每个特性被赋予0~5之间的值，通过对特性的描述，推荐系统描绘出了歌曲的DNA图谱。
同时，构建DNA图谱的过程也在逐渐智能化。目前，Pandora采用人工+人工智能的组合来为歌曲贴“标签”，对于一些“简单”的特性，例如和声、吉他效果等，人工智能已完全可以胜任。而对于一些“复杂”的特性，例如歌词表达的情感、微妙的旋律变化等，目前仍由音乐工作者来进行判断。
Spotify的个性化推荐之路则开始得晚一些。2015年，在收购了音乐个性化数据提供商The Echo Nest后，Spotify的推荐系统才开始“登堂入室” 。Discover Weekly是Spotify的首个个性化推荐功能，可以根据用户的喜好，每周为用户推荐30首歌曲。

文章图片

与The Echo Nest早先的设计相似，Spotify的推荐系统主要采用协同过滤、自然语言处理、音频分析三种推荐模型。
协同过滤模型主要分析用户间的关联，在其中，Spotify的曲库与用户构成了一个庞大的二维矩阵，通过对这个矩阵的拆解，得到相似的用户向量和歌曲向量，以向用户推荐其他有着相似口味的用户喜爱的歌曲。
自然语言处理模型则是从人们对歌曲的评价中来提炼每首歌曲被提及时常用的形容表达、句子、名词等“关键词”，并给这些关键词设定不同的权重，以量化在人们眼中哪些歌曲是相似的。