संगीत की सिफारिश कैसे करें जो लगभग किसी ने नहीं सुनी। यैंडेक्स रिपोर्ट

लगभग सभी अनुशंसा प्रणालियों में नई या दुर्लभ सामग्री के साथ कठिनाइयाँ होती हैं - क्योंकि केवल उपयोगकर्ताओं के एक छोटे से हिस्से ने इसके साथ बातचीत की। यैंडेक्स इनसाइड में अपनी रिपोर्ट में , डेनियल बर्लाकोव ने संगीत की सिफारिशों में उपयोग किए जाने वाले ट्रिक्स का एक सेट साझा किया और लोकप्रिय मॉडल विलक्षण मूल्य अपघटन (एसवीडी) को विस्तृत किया।

इसके अलावा, हमारे पास ऐसे कलाकार हैं जिन्हें संगीतकार कहा जाता है और आमतौर पर कॉपीराइट धारकों द्वारा एक प्रशंसक की तरह नीचे रखा जाता है। केवल मोजार्ट ने एक लाख से अधिक रचनाओं को "रिकॉर्ड" किया था।

- सभी को नमस्कार! मेरा नाम Daniil Burlakov है, मैं मीडिया सेवाओं में सिफारिशों की एक टीम का नेतृत्व करता हूं। आज मैं कुछ ऐसी समस्याओं के बारे में बात करना चाहता हूं जो हम तब हल करते हैं जब हम संगीत में सिफारिशों के साथ काम करते हैं।

हमारे पास एक अद्भुत टीम है जो न केवल Yandex.Music के लिए, बल्कि सभी मीडिया सेवाओं के लिए भी सिफारिशें करती है: यह Kinopoisk, पोस्टर है। हम सिफारिशों से अधिक कई तकनीकी समस्याओं का समाधान करते हैं।



आज मैं केंद्रीय उत्पाद Yandex.Music के बारे में बात करना चाहता हूं, हमारा सबसे महत्वपूर्ण और पसंदीदा उत्पाद स्मार्ट प्लेलिस्ट है, जो, शायद, आप में से बहुत से लोग जानते हैं और सुनते हैं।



मैं संक्षेप में बताऊंगा कि वे किस प्रकार के प्लेलिस्ट हैं और हम उन्हें किस सामग्री से भरते हैं।

दिन की प्लेलिस्ट को हर दिन आपके लिए बनाए जाने वाले ट्रैक के एक सेट के रूप में कल्पना की गई थी, ताकि आप जहां इंटरनेट नहीं है, वहां भी उन्हें डाउनलोड और सुन सकें। लेकिन यह आपके लिए बहुत अच्छा होगा, यह आपके साथ रहेगा, और इसे हर दिन अपडेट किया जाना चाहिए और इसमें कुछ नया होना चाहिए। आपको क्या सूट करता है

देजा वु एक अधिक रोचक प्लेलिस्ट है। इसे सप्ताह में एक बार अपडेट किया जाता है, और ऐसे ट्रैक होंगे जो आपने कभी नहीं सुने हैं, और ऐसे कलाकार जिन्हें आप व्यावहारिक रूप से नहीं जानते हैं या बिल्कुल नहीं जानते हैं। प्रीमियर - आपके कलाकारों द्वारा नए उत्पादों का चयन जो आपको पसंद आ सकते हैं।



दूसरा उत्पाद Yandex.Radio है। 2015 में, इसे लॉन्च किया गया था, हम इसे विकसित करना जारी रखते हैं।

विचार उपयोगकर्ता को कुछ भी किए बिना ऑडियो संगीत की एक व्यक्तिगत स्ट्रीम प्राप्त करने की अनुमति देता है। वास्तव में, मैंने एक बटन दबाया और एक अद्भुत धारा मिली जो कभी खत्म नहीं होगी और आपको कई घंटों तक प्रसन्न करेगी। यह, प्लेलिस्ट के विपरीत, पहले से ही टैग किया जा सकता है। उदाहरण के लिए, आप शैली द्वारा रेडियो चालू कर सकते हैं - रॉक या बैकग्राउंड संगीत, यदि आप काम के दौरान विचलित नहीं होना चाहते हैं। या एक पूरी तरह से व्यक्तिगत ऑडियो स्ट्रीम - जिसे हम रेडियो "ऑन योर वेव" कहते हैं।



जब हम ये सिफारिशें करते हैं तो हमें किन समस्याओं का सामना करना पड़ता है? हम दो मुख्य समस्याओं के साथ सामना कर रहे हैं, अधिकांश सिफारिश प्रणालियों के लिए काफी विशिष्ट हैं। ये ठंडे उपयोगकर्ता हैं जो अभी-अभी हमारी सेवा में आए हैं और जिनके बारे में हम अभी भी कुछ नहीं जानते हैं, और ठंडी सामग्री। इसमें न केवल वे ट्रैक शामिल हैं जो हाल ही में दिखाई दिए हैं, बल्कि बड़ी संख्या में दुर्लभ ट्रैक भी हैं। Yandex.Music सूची में 50 मिलियन से अधिक ट्रैक शामिल हैं, उनमें से कई को अभी तक किसी भी उपयोगकर्ता द्वारा नहीं सुना गया है। इसलिए, एक समस्या उत्पन्न होती है: भले ही ट्रैक लंबे समय से बाहर निकले, दुर्भाग्य से, हम इस ट्रैक के बारे में कुछ भी नहीं जानते हैं और न ही कोई आँकड़े हैं।

दोनों समस्याएं विशेष रूप से बढ़ गईं और हमारे लिए विशेष रूप से महत्वपूर्ण हो गईं, क्योंकि Yandex.Music एक अंतरराष्ट्रीय सेवा बन गई और कई देशों में जाने लगी। प्रत्येक देश में प्रवेश करते समय, इस देश की स्थानीय सामग्री बनती है, सबसे पहले, बहुत महत्वपूर्ण है। यह स्पष्ट है कि जब आप एक नए देश में प्रवेश करते हैं, तो स्थानीय संगीत की अनदेखी करना अप्रिय है। यह आवश्यक है, इसे उचित रूप से अनुशंसा करें और इस आंतरिक संगीत की संरचना को समझें। वास्तव में, रूस में कोई भी इज़राइली संगीत नहीं सुनता है, और इस पर बहुत कम आँकड़े हैं, भले ही हमारे पास यह सामग्री हो।

आइए इन मुद्दों पर चलते हैं। चलिए शुरू करते हैं कोल्ड यूजर्स की समस्या से। इसे कैसे हल किया जा सकता है?



पहला सबसे सरल उपाय ठंडे उपयोगकर्ताओं के लिए कुछ भी अनुशंसित नहीं करना है। वास्तव में, समाधान बहुत सरल है, आप केवल स्पष्ट प्राथमिकताओं के बारे में पूछ सकते हैं। ये कई विजार्ड हैं जो उपयोगकर्ता को प्रदान किए जा सकते हैं।

उपयोगकर्ता दिन की अपनी पहली प्लेलिस्ट प्राप्त करता है, इससे पहले कि हम उपयोगकर्ता को इस तरह के एक जादूगर के माध्यम से जाने के लिए कहें, अपनी प्राथमिकताओं, शैलियों और कलाकारों का एक सेट जो वह चाहते हैं।

इसके परिणामस्वरूप, उपयोगकर्ता की पहली प्लेलिस्ट काफी सार्थक हो जाती है, उपयोगकर्ता के लिए उपयुक्त है, और सबसे अधिक संभावना है, पहली प्लेलिस्ट से उपयोगकर्ता उसके साथ प्यार में पड़ जाएगा।

दुर्भाग्य से, यह दृष्टिकोण हमेशा नहीं किया जा सकता है।



हमारे दूसरे उत्पाद, Yandex.Radio की कल्पना एक ऐसे उत्पाद के रूप में की गई, जिसके लिए उपयोगकर्ता से प्रयास की आवश्यकता नहीं है। वह बस कुछ भी किए बिना संगीत को चालू और चालू करना चाहता है। इसके अलावा, Yandex.Radio कई अन्य प्रणालियों में एम्बेडेड है, जैसे कि Yandex.Drive, जहां उपयोगकर्ता को कार में बैठने के लिए बस मजबूर करने के लिए यह अजीब और असुविधाजनक है, अगर वह पहली बार वहां गया तो किसी तरह के विज़ार्ड पर क्लिक करें।

इसलिए, हम दूसरे रास्ते पर चले गए। हम अनुशंसाओं के साथ शुरू करते हैं, आइए हम कहते हैं, औसत उपयोगकर्ता के लिए, ताकि पहले ट्रैक के अधिकांश उपयोगकर्ताओं को अधिकतम आनंद मिले और उन्हें संगीत पसंद हो। और हम बहुत तेजी से निजीकरण प्रदान करते हैं। आपके द्वारा प्राप्त की गई प्लेलिस्ट के विपरीत और वह पूरे दिन, आपके सभी 60 ट्रैक्स के साथ है। और अगर, उदाहरण के लिए, हमने इस तथ्य के साथ अनुमान नहीं लगाया कि आपकी पसंदीदा शैली लोकप्रिय संगीत है (जो एक शुरुआत के लिए एक अच्छा अनुमान होगा), तो सभी 60 ट्रैक आपके बारे में नहीं होंगे, और यह दुखद होगा, और सबसे अधिक संभावना है कि कल आप नहीं होंगे वापस आ जाओ।

हालांकि, अगर हम रेडियो पर लोकप्रिय संगीत का पहला ट्रैक रखते हैं, और आप कहते हैं कि आप इसे नहीं सुनना चाहते हैं, तो हम तुरंत आपके लिए अगले ट्रैक को निजीकृत करेंगे और कुछ और पेश करेंगे, उदाहरण के लिए, रॉक या अन्य शैली।

दरअसल, वास्तव में, ये दो समाधान ठंडे उपयोगकर्ताओं की समस्या को एक डिग्री या किसी अन्य के करीब करते हैं।

सादृश्य द्वारा सामग्री समस्या को कैसे हल किया जा सकता है? समाधान नंबर एक, साथ ही उपयोगकर्ताओं के बारे में, शांत सामग्री की सिफारिश करने के लिए नहीं है। लेकिन यहां, उपयोगकर्ताओं के विपरीत, सामग्री खुद नहीं उठाएगी और गर्मी नहीं करेगी। इस प्रकार, समस्या यह है कि यदि हम स्वयं उसके बारे में आंकड़े एकत्र नहीं करते हैं, तो अभी जारी किए गए कलाकार के नए उत्पाद को वितरित नहीं किया जाएगा, और जिन उपयोगकर्ताओं ने अपने कलाकार की खबर नहीं देखी है, वे सबसे अधिक परेशान होंगे।



अंतर्राष्ट्रीय सामग्री के साथ एक समान स्थिति। हम एक नए देश में गए, और इसकी सिफारिश नहीं की, वास्तव में इस सामग्री की अनदेखी करते हुए, जाहिर है, यह हमारे लिए उपयुक्त नहीं है।

दूसरा समाधान, अगर हम सादृश्य द्वारा पूरी तरह से कार्य करते हैं, तो इसे किसी भी तरह औसतन सुझाएं। सबसे सरल सादृश्य यह है कि इस सामग्री को सभी को पंक्तिबद्ध करें या इसे लोकप्रिय संगीत के रूप में सुझाएं। सिफारिश करने के विकल्प के साथ, औसतन, यह आमतौर पर बहुत स्पष्ट नहीं है कि औसत संगीत क्या है। इसे बल द्वारा लोकप्रिय संगीत कहा जा सकता है, लेकिन यह शायद ही कहा जा सकता है कि सभी संगीत एक दूसरे के समान हैं ताकि यह लोकप्रिय संगीत की तरह दिखे। इसलिए, यदि आपको लोकप्रिय संगीत के बीच एक बीथोवेन रचना मिलती है, तो अधिकांश लोग इसे प्राप्त करने के लिए खुश होने की संभावना नहीं रखते हैं। इसलिए, यह समाधान हमें सूट नहीं करता है।



पटरियों के बारे में और क्या है? ट्रैक के साथ ही, बहुत से मेटाडेटा कॉपीराइट धारक से हमारे पास आते हैं, जैसे ट्रैक की शैली, कलाकार, एल्बम और रिलीज़ का वर्ष। चलो खत्म हो गया। उनका उपयोग कैसे किया जा सकता है? उदाहरण के लिए, एक शैली। एक शैली अच्छी जानकारी है जो हमें अधिक या कम अनुमान लगाने की अनुमति देती है। उदाहरण के लिए, यह बीथोवेन या एक चांसन के साथ समस्या को हल करता है जो गलती से रेडियो पर किसी व्यक्ति में दिखाई दे सकता है: हम ट्रैक की शैली को जानते हैं, और इसकी संभावना नहीं है कि हम इसे उन लोगों पर पर्ची करेंगे जिनके लिए यह फिट नहीं है।

लेकिन दुर्भाग्य से, वह एक अच्छी सिफारिश का निर्माण करने की अनुमति नहीं देता है, क्योंकि शैली की अवधारणा ही काफी व्यक्तिपरक है, और इसके आधार पर किसी भी अच्छी सिफारिशें बनाने की अनुमति नहीं है। स्वाभाविक रूप से, शैलियों में कई उपजातियां होती हैं, और यही वह है जो कॉपीराइट धारक हमें भेजते हैं।



दूसरी समस्या यह है कि एक सामान्य व्यक्ति आमतौर पर एक दर्जन शैलियों को नाम दे सकता है, जबकि कॉपीराइट धारक हमें कई हजारों शैलियों को भेजते हैं, और यह किसी भी तरह से समूह बनाने के लिए एक बड़ी समस्या है, उन दोनों के बीच समान खोज करें, और इसी तरह। दुर्भाग्य से, यह समस्या हमेशा हल नहीं होती है।

फिर, जाहिर है, इस तथ्य के साथ समस्याएं हैं कि, दुर्भाग्य से, कॉपीराइट धारक अक्सर भ्रमित होते हैं और गलतियां करते हैं। और हमारे पास नियमित समस्याएं हैं और रिपोर्ट है कि हम उन पटरियों को इकट्ठा करते हैं जो रेडियो रॉक में लोकप्रिय हैं, और कॉपीराइट धारक ने उन पर रॉक शैली रखी। सादृश्य से, हम जैज़ और अन्य रेडियो स्टेशन एकत्र करते हैं। और हमारे पास नियमित रूप से उपयोगकर्ता रिपोर्ट को सही करने के लिए कहा जाता है, क्योंकि त्रुटि के साथ एक ट्रैक इन रेडियो स्टेशनों पर उड़ गया है।

मैं आपको ट्रैक की शैली का अनुमान लगाने की पेशकश करना चाहता हूं।


यह कोई साउंडट्रैक नहीं है। यह धातु है। और हमारे पास एक बड़ी समस्या है जब वे हमें ऐसे मार्कअप भेजते हैं।

मैं अगले भाग में जाने और ट्रैक कलाकारों के बारे में बात करने का प्रस्ताव करता हूं। मैंने पहले ही कहा कि एक समस्या है, कि एक नया कलाकार, एक नया ट्रैक या एल्बम सामने आता है, और इसकी सिफारिश की जानी चाहिए। विशेष रूप से, कलाकार के बारे में जानकारी हमेशा हमें बचाएगी। हम जानते हैं कि उपयोगकर्ता ने इस कलाकार की बात सुनी, और हम उसके अनुसार उसकी सिफारिश कर सकते हैं। तो हम करते हैं। हालाँकि, इसमें कठिनाइयाँ भी हैं। उदाहरण के लिए, यदि हम कलाकार के बारे में कुछ नहीं जानते हैं या उपयोगकर्ता ने उसकी बात नहीं सुनी है, तो यह जानकारी कि इस ट्रैक में ऐसा है और ऐसे कलाकार हमें कुछ भी नहीं बताते हैं। इसी तरह दुर्लभ पटरियों के साथ। एक दुर्लभ कलाकार से एक दुर्लभ ट्रैक था, हमने सीखा कि अब यह दुर्लभ ट्रैक उसी का है। दुर्भाग्य से, फिर से बहुत सारी जानकारी नहीं है जो उसे किसी भी अन्य लोगों के लिए सिफारिश करने की अनुमति देगा जो उसके काम से परिचित नहीं हैं।



दूसरी समस्या कवर और रीमिक्स है। फिर से, vile कॉपीराइट धारक यहाँ हस्तक्षेप करते हैं और अक्सर गलतियाँ करते हैं। विशेष रूप से, जब हमारे पास एक मूल ट्रैक और उसका कवर होता है, तो कॉपीराइट धारक अक्सर इन पटरियों को अलग-अलग तरीकों से नाम देने की जहमत नहीं उठाते हैं, यह संकेत करने के लिए कि उनमें से एक रीमिक्स है, या यहां तक ​​कि उन पर अलग-अलग कलाकार डालते हैं, जब यह होता है।

मैं आपको यह समझने के लिए दो ट्रैक पेश करना चाहता हूं कि पटरियों के लिए ध्वनि कितनी अलग है जिसे बिल्कुल समान कहा जाता है। इस प्रकार, हमें दो ट्रैक मिलते हैं जिन्हें समान कहा जा सकता है, उनके पास अपेक्षाकृत समान लय है, अपेक्षाकृत समान पाठ है, लेकिन वे अलग हैं। और हमारे लिए यह एक और एक ही ट्रैक है, क्योंकि इसका नाम, कलाकार और बाकी सब बिल्कुल समान हैं।

इसके अलावा, हमारे पास ऐसे विले कलाकार हैं जिन्हें संगीतकार कहा जाता है और आमतौर पर कॉपीराइट धारकों द्वारा एक प्रशंसक की तरह नीचे रखा जाता है। केवल मोजार्ट ने एक लाख से अधिक रचनाओं को "रिकॉर्ड" किया था। यह स्पष्ट है कि शास्त्रीय संगीत प्रेमियों के लिए यह संभव नहीं होगा। यदि उपयोगकर्ता ने कहा कि उसे मोज़ार्ट पसंद है, तो हमारे पास लाखों ट्रैक हैं, मानक शास्त्रीय धुनों के विभिन्न प्रदर्शन हैं। नतीजतन, हम इसके बारे में शायद ही कुछ कर सकते हैं।



मैं आपको आगे बताना चाहता हूं कि इस समस्या को कैसे हल किया जा सकता है, लेकिन एक शुरुआत के लिए, आइए अपनी आवश्यकताओं को आराम दें। हम उन पटरियों की सिफारिश करना चाहते थे जो किसी ने नहीं सुनीं, और अब आइए विचार करें कि कैसे उन पटरियों की सिफारिश की जाए जो दुर्लभ होंगे। सहयोगात्मक फ़िल्टरिंग यहाँ हमारी सहायता के लिए आता है। यह कैसे काम करता है और आखिर में हमें क्या मिलता है?

आरंभ करने के लिए, हमें उपयोगकर्ता रेटिंग का एक मैट्रिक्स बनाने की आवश्यकता है, जहां लाइनों पर उपयोगकर्ता होंगे, कॉलम के चौराहे पर, स्तंभों पर ट्रैक होंगे और वहां लाइन इसकी रेटिंग होगी। यह स्पष्ट है कि अधिकांश मैट्रिक्स के लिए हम उपयोगकर्ता की प्रतिक्रिया नहीं जानते हैं, उपयोगकर्ता हमारी पूरी सूची को भी करीब से नहीं सुन सकते हैं।



इस मैट्रिक्स के साथ, हम चाहते हैं कि उपयोगकर्ता और ट्रैक छोटे, कम पर्याप्त वैक्टर को जोड़ दें ताकि उपयोगकर्ता वेक्टर और आइटम वेक्टर का स्केलर उत्पाद उपयोगकर्ता की रेटिंग का अच्छी तरह से अनुमान लगा सके। इस प्रकार, हमें प्रत्येक आइटम के लिए और प्रत्येक उपयोगकर्ता के लिए, हमें दो वैक्टर ढूंढने होंगे ताकि उनका अंतिम उत्पाद हमारे अनुमान का सबसे अच्छा अनुमान लगा सके। उदाहरण के लिए, अगर इस मामले में हम कहेंगे कि उपयोगकर्ता को ट्रैक पसंद है - यह 1 है, अगर यह पसंद नहीं आया - 0. और इस मामले में हम वास्तव में मानक तकनीक, एसवीडी अपघटन लागू कर सकते हैं, और उपयोगकर्ताओं और पटरियों के लिए इष्टतम वैक्टर प्राप्त कर सकते हैं।



यह हमें क्या देता है? यह हमें अगला बड़ा प्लस देता है। अधिकांश दृष्टिकोणों के लिए, हम यह नहीं कह सकते कि दोनों ट्रैक समान हैं यदि कोई एक साथ नहीं सुनता है। आमतौर पर दृष्टिकोण का एक महत्वपूर्ण हिस्सा इस तथ्य पर आधारित है कि हमारे पास कुछ उपयोगकर्ता हैं जिन्होंने आइटम ए और बी के साथ बातचीत की, और हम देखते हैं कि वे इसके परिणामस्वरूप समान हैं। एसवीडी के रूप में सहयोगात्मक फ़िल्टरिंग हमें यह करने की अनुमति देता है, भले ही कोई उपयोगकर्ता दो पटरियों को एक साथ न सुनता हो। वे हमें इसका अच्छी तरह से मूल्यांकन करने की अनुमति देते हैं। यह पहला प्लस है।

यह हमें क्या देता है? ट्रैक वेक्टर होने के बाद, हम इसे बहुत व्यापक लोगों के लिए सुझा सकते हैं, और बहुत कम लोकप्रिय ट्रैक सुझा सकते हैं। और मुख्य प्लस, हम अभी भी पटरियों का एक वेक्टर प्रतिनिधित्व प्राप्त करते हैं, जो काम करने के लिए बहुत सुविधाजनक है, जिसके साथ आप समान पटरियों के लिए जल्दी से खोज कर सकते हैं।



हालाँकि, यह हमारी सभी समस्याओं को हल नहीं करता है। हम केवल उन पटरियों की संख्या के लिए बार को थोड़ा आगे बढ़ा सकते हैं जिन्हें हम सुझा सकते हैं। यदि हम प्रदर्शन करने वाले उपयोगकर्ताओं की संख्या का एक ग्राफ बनाते हैं, तो वास्तव में कलाकारों को उनकी लोकप्रियता के आधार पर क्रमबद्ध करते हैं, हम देखेंगे कि लाखों उपयोगकर्ता हमारी सेवा पर शीर्ष प्रदर्शन कर रहे हैं। अगर हम पहले से ही इन कलाकारों के 10-हजारवें स्थान पर देखें, तो केवल एक हजार उपयोगकर्ता होंगे। अगर हम 50,000 वें कलाकार को देखें, तो केवल सौ उपयोगकर्ता होंगे। यह स्पष्ट है कि उनकी पटरियों में केवल दर्जनों उपयोगकर्ता होंगे जिन्होंने उनकी बात सुनी, जो वास्तव में उनके लिए सिफारिश करना असंभव बनाता है, क्योंकि ऐसे ट्रैक के लिए एसवीडी वेक्टर बेहद अस्थिर होगा और काम नहीं करेगा।

हम इसे कैसे हल करने की कोशिश कर सकते हैं? हम क्या चाहते हैं?

हम कुछ दुर्लभ, नया ट्रैक लेना चाहते हैं, जिसके बारे में हम कुछ भी नहीं जानते हैं, उदाहरण के लिए, इज़राइल से एक दुर्लभ ट्रैक, और हम इसके लिए कुछ प्रकार के वेक्टर प्रतिनिधित्व प्राप्त करना चाहते हैं, जो हमारे SVD वेक्टर के समान होगा, जो काम करने के लिए बहुत सुविधाजनक है और सिफारिशें करें।

केवल एक चीज जिसे हमने नहीं माना था वह इस ट्रैक का ऑडियो है। ऑडियो के लिए धन्यवाद, हम पटरियों की सिफारिश कर सकते हैं। हम ऑडियो ट्रैक का उपयोग करके एसवीडी वेक्टर कैसे प्राप्त करेंगे। पहली चीज जो हम करना चाहते हैं वह है एक छोटा रूपांतरण।



मूल रूप से ऑडियो क्या है? आप एक वोल्टेज ग्राफ की कल्पना कर सकते हैं। किसी भी मामले में, यह संख्याओं का एक आयामी सेट है, जिसके साथ काम करने के लिए असुविधाजनक है, यह बहुत बड़ा और लंबा है, यह अपने आप में बहुत कम समझ में आता है। लेकिन हम उसके स्पेक्ट्रम की जांच कर सकते हैं, फूरियर को उस पर बदल सकते हैं, बहुत संक्षेप में, यह देखने के लिए कि वह एक विशिष्ट प्रकार के साइनसॉइड की तरह कितना दिखता है। वह किसी तरह का साइनसाइड कितना दिखता है। और देखें कि इस ग्राफ में कितने साइनसोइड हैं, और प्रत्येक आवृत्तियों के लिए भी ऐसा ही करें।

यदि हम इसे पूरे ट्रैक के लिए करते हैं, तो निश्चित रूप से, हमें कुछ जानकारी मिलेगी, लेकिन बहुत कम, यह बहुत कम कहेंगे, क्योंकि, उदाहरण के लिए, ट्रैक के कुछ हिस्सों के बीच का संक्रमण संगीत के लिए बहुत महत्वपूर्ण है, जबकि स्पेक्ट्रम में हम अप्रत्यक्ष रूप में बहुत बड़ी आवृत्तियों में परिवर्तन पर, जो सेकंड से, मिनट तक संबंधित होना चाहिए, और यह एक स्पेक्ट्रम के रूप में काफी असुविधाजनक और खराब रूप से प्रस्तुत किया गया है।

इसलिए, हम आगे बढ़ते हैं और ट्रैक को छोटे टुकड़ों में काटते हैं। प्रत्येक टुकड़े में हम ऐसा परिवर्तन करते हैं। नतीजतन, हमें ऐसी तस्वीर मिलती है, मैंने इसे तीन-आयामी रूप में आकर्षित किया, ताकि यह अधिक दिखाई दे कि हमने समय पर एक विमान पर आवृत्तियों को प्रकट किया है, और ऊंचाई में - ऊर्जा उस समय में थी। और उन्हें तथाकथित स्पेक्ट्रोग्राम मिला।

हम इस स्पेक्ट्रोग्राम का उपयोग करके एसवीडी वेक्टर कैसे प्राप्त करेंगे? हमारे समय में इसका उत्तर बहुत ही शानदार है: चलो एक तंत्रिका नेटवर्क लेते हैं और इसे SVD वेक्टर की भविष्यवाणी करने के लिए प्रशिक्षित करते हैं।



तो हमने किया। प्रशिक्षण के रूप में हमने क्या चुना? वे एसवीडी ट्रैक करते हैं जिनके वेक्टर हम निश्चित रूप से जानते हैं। हमने विशेष रूप से लोकप्रिय ट्रैक चुने हैं जिनकी प्रतिक्रिया काफी बड़ी थी ताकि एसवीडी वेक्टर पहले से ही पूरी तरह से शांत था, और हम इसे स्पष्ट रूप से गणना कर सकते थे। और - उन्होंने इन वैक्टरों की भविष्यवाणी करने के लिए तंत्रिका नेटवर्क को प्रशिक्षित किया।

आखिर में हमें क्या मिला? एक नेटवर्क जो किसी भी ट्रैक को ले जा सकता है और अपने एसवीडी वेक्टर की भविष्यवाणी कर सकता है। हमें एक बहुत ही सरल समाधान मिला जो बहुत अच्छा काम करता है।

मैं पटरियों की एक जोड़ी का एक उदाहरण दिखाना चाहता हूं जिसे हमने बाहर निकाला था। इनमें से एक ट्रैक काफी लोकप्रिय है, और इसके एसवीडी वेक्टर को काफी सटीक रूप से पहचाना जा सकता है, और दूसरा बहुत अलोकप्रिय है। मैं यह अनुमान लगाना चाहता हूं कि इनमें से कौन सी ट्रैक कम लोकप्रिय है और कौन सी अधिक लोकप्रिय है।

पहला ट्रैक:


दूसरा ट्रैक:



जब हमने इसे प्रोडक्शन में लागू किया, तो हमें बहुत अच्छी प्रतिक्रिया मिली। प्लेलिस्ट में से एक, "देजा वू", जहां हमें उन पटरियों को एम्बेड करना होगा जो उपयोगकर्ता नहीं सुनते हैं, उपयोगकर्ता के लिए खोज को व्यवस्थित करते हैं, हम इस तकनीक को लागू करने में सक्षम होने के बाद काफी सुधार हुए हैं।



बेशक, हमने नए देशों में प्रवेश करते समय इसे लागू किया और कई सकारात्मक समीक्षा भी प्राप्त कीं। उन्होंने कहा कि प्लेलिस्ट अच्छी तरह से निजीकरण करना जानते हैं। इसके अलावा, इज़राइल में संपादक काफी हैरान थे कि इज़राइल में रूसी सेवा रूसी कलाकारों को बड़ी मात्रा में नहीं सुझाती है, लेकिन स्थानीय संगीत और अंतर्राष्ट्रीय संगीत।



उन संख्याओं के बारे में जिन्हें हम प्राप्त करने में कामयाब रहे। सबसे महत्वपूर्ण बात, हम ऑडियो स्ट्रीम में उपयोगकर्ताओं के लिए नए उत्पादों की संख्या हासिल करना चाहते थे, ताकि यह अधिक विविध हो जाए। , . , : . . . 1,5% . , . , - , , . , , .

: . , , , . . आपका ध्यान के लिए धन्यवाद।