【案例】人工智能如何帮你找到好歌：探秘Spotify神奇的每周歌单

案例来源：机器之心@李泽南

案例地址：https://www.jiqizhixin.com/articles/2017-10-14-6

（以下为案例的简要概述，便于之后能快速检索到相关内容。部分文字与图片可能直接来自原文，如有侵权请告知，谢谢）

1. 问题：Spotify如何为用户推荐音乐？

2. 方法

1）协同过滤

与Netflix的显式打分不同，Spotify根据隐式反馈（是否保存到歌单、是否访问艺术家首页等）来获取用户偏好。

2）NLP分析

爬取互联网上音乐的博客和其它文本，根据文本产生每个音乐的词向量空间，然后计算音乐之间的相似度。

3） 音频分析

以上两种方式不能解决新歌推荐的冷启动问题，因此需要引入音频分析。

使用卷积神经网络，以时间-频率的方式表示音频帧，通过卷积层生成特征。神经网络可以分析出节拍、重要部分、风格、速度和吵闹程度。下图是 Daft Punk 歌曲《Around the World》30 秒钟片段的分析示例。

有了音频特征，就能分析不同歌曲的相似之处，为用户推荐相似的歌。