算法|算法推歌20年：从Pandora、Spotify到QQ音乐、网易云音乐 Spotify|推荐系统|QQ音乐

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

文章图片

作者 | 鲁修修编辑 | 范志辉

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。

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。