مغز متفکر اسپاتیفای؛ چطور الگوریتم‌، آهنگ مورد علاقه‌تان را اشکار می‌کند؟_کویر دانش

از دیدِ راه حلهای پالایش گروهی، کاربرانی که در قبل حرکت شبیهی داشته‌اند، در آینده نیز حرکت شبیهی از خود نشان خواهند داد، به این علت آهنگ‌های پیشنهادی را تنها با منفعت گیری از داده‌های کاربر تشکیل می‌کنند. یکی از مزیت‌های این روش آن است که نیازی به تحلیل محتوا ندارد و می‌تواند بدون نیاز به دانستن مشخصات فنی آهنگ‌های گوناگون، آن‌ها را به کاربران علاقه‌مند نظر دهد.

به‌طور دقیق‌تر، الگوریتم اسپاتیفای زمان تحلیل نحوه تعامل کاربران با آهنگ‌ها و پلی‌لیست‌ها ، موارد زیر را بازدید می‌کند:

• تاریخچه آهنگ‌های شنیده‌شده: الگوریتم آنچه کاربران در قبل گوش داده‌اند را ردیابی می‌کند تا آهنگ موردعلاقه‌ی بعدی آن‌ها را پیش‌بینی کند.
• پلی‌لیست‌ها و آهنگ‌های ذخیره‌‌شده: آهنگ‌هایی که کاربران به پلی‌لیست‌های خود اضافه می‌کنند یا در کتابخانه‌ی خود ذخیره می‌کنند، نشان‌دهنده علايق موسیقیایی آن‌ها است.
• آهنگ‌های رد و تکرارشده: الگوریتم آهنگ‌هایی که کاربران به طور مکرر رد می‌کنند یا مجدد گوش خواهند داد را نظارت می‌کند تا پیشنهادها را بهبود بخشد.
• لایک‌ها و اشتراک‌گذاری‌ها: آهنگ‌هایی که کاربران لایک می‌کنند یا با دیگران به اشتراک می‌گذارند، به گفتن شاخص‌های سلیقه برداشت خواهد شد.

روش پالایش محتوامحور، برخلافِ پالایش گروهی، به حرکت کاربران توجهی ندارد و تنها به خود آهنگ دقت می‌کند. این روش، به جای بازدید حجم عظیمی از داده‌های کاربران، محتوای آهنگ‌های پیشنهادی را بازدید می‌کند و به کاربران علاقه‌مند، نظر می‌دهد. به‌گفتن مثال، اگر کاربری دو آهنگِ جاز گوش داده باشد، آهنگ فرد دیگر در همین ژانر به او نظر خواهد شد.

• تمپو (بیت در دقیقه – BPM): این ویژگی تعداد ضربان در دقیقه آهنگ را مشخص می کند و به ما می‌گوید که آهنگ سریع یا کند است. آهنگ‌های شاد طبق معمولً تمپو بالاتر و آهنگ‌های آرام، تمپوی پایین‌تری دارند.
• رقص‌پذیری (danceability): آهنگ‌هایی با امتیاز danceability بالا، طبق معمولً ریتمیک می باشند و ساختار مناسبی برای رقص دارند.
• شادابی (valence): این ویژگی مقدار مثبت بودن یا خوشایند بودن آهنگ را مشخص می کند. آهنگ‌های با ضریب شادابی بالا طبق معمولً شاد و پرانرژی و آهنگ‌های با شادابی پایین‌تر طبق معمولً غمگین می باشند.
• انرژی: این ویژگی مقدار انرژی و شدت آهنگ را مشخص می کند. آهنگ‌های پرانرژی طبق معمولً بلند، سریع و و پرسروصدا می باشند، اما آهنگ‌های کم‌انرژی، آرام و ملایم می باشند.
• آکوستیک بودن (acousticness): گمان آکوستیک بودن آهنگ را تخمین می‌زند. مقادیر بالاتر نشان‌دهنده حداقل منفعت گیری از سازهای الکترونیک است.
• سازی (instrumentalness): این ویژگی مشخص می کند که در ساخت آهنگ تا چه حد از سازهای موسیقی منفعت گیری شده است. مقادیر بالا نشان‌دهنده وجود کم یا نبوده است خواننده در آهنگ است.
• وجود مخاطب (liveness): این معیار، وجود مخاطب در ضبط آهنگ را مشخص می کند و آهنگ‌های اجراشده در کنسرت یا مکان‌های شلوغ را از آهنگ‌های استودیویی نزدیک می‌کند.
• گفتاری (speechiness): مقدار وجود کلمات در آهنگ را تشخیص می‌دهد. آهنگ‌هایی که شامل رپ یا پادکست، امتیاز گفتاری بالاتری دارند.
• کلید و مود (Key and Mode): این معیار، کلید موسیقی آهنگ و این که در حالت ماژور (طبق معمولً شاد) یا مینور (زیاد تر غمگین‌) قرار دارد را شناسایی می‌کند.
• بلندی صدا (Loudness): حجم صدای کلی آهنگ که با دسی‌بل (dB) اندازه‌گیری می‌بشود. این معیار بر برجستگی آهنگ تأثیر می‌گذارد.

این ویژگی‌ها به الگوریتم پشتیبانی می‌کند تا شباهت بین آهنگ‌ها را اشکار کند و آهنگ‌های موردعلاقه‌ی کاربر را به او نظر دهد. به‌گفتن مثال، اگر کاربری زیاد تر آهنگ‌های شاد با ضربِ تند و انرژی بالا گوش می‌دهد، الگوریتم می‌تواند آهنگ‌هایی با این مشخصات همانند Despacito را به کاربر نظر دهد.

فکر کنید کاربری در اسپاتیفای ۵ آهنگ را پسندیده، اما ۵ آهنگ را دوست نداشته است. الگوریتم اسپاتیفای با منفعت گیری از «رگرسیون لجستیک»‌ (Logistic Regression)، «ماشین بردار پشتیبانی» (Support Vector Machine) و «آدابوست» (AdaBoost) آهنگ‌های موردعلاقه‌ی کاربر را به او نظر می‌دهد. در ادامه، در رابطه هر یک از این راه حلها در یادگیری ماشین سخن بگویید می‌کنیم. اما قبل از آن یادگیری ماشین را به اختصار توضیح می‌دهیم.

یادگیری ماشین نه‌تنها به یادگیری چیزی، بلکه به فهمیدن و قوت استدلال نیز مربوط می‌بشود. فردی به‌نام رامین را در نظر بگیرید که عاشق گوش دادن به آهنگ‌های تازه است و آهنگ‌های موردعلاقه‌ی خود را بر پایه ژانر، قدم یا تمپو، شدت و جنسیت خواننده، انتخاب می‌کند. برای سادگی، تنها به قدم و شدت دقت می‌کنیم و موارد دیگر را در نظر نمی‌گیریم.

به نمودار نشان داده شده در عکس زیر دقت کنید. قدم یا شدت آهنگ روی محور افقی از آهسته به سریع و شدت روی محور عمودی از آرام به بلند نشان داده شده‌ است. آهنگ‌های موردعلاقه‌ی رامین و آهنگ‌هایی که آن‌ها را نپسندیده است به‌ترتیب با نقاط سبز و قرمزرنگ نشان داده شده‌اند.