Как работает анализ музыкальных предпочтений пользователя в алгоритмах «Яндекс Музыки»?

Анализ музыкальных предпочтений пользователя в алгоритмах «Яндекс Музыки» работает на основе машинного обучения. vk.com Система учитывает, какие треки, исполнители и жанры нравятся пользователю, как часто он их слушает, что добавляет в плейлисты. vk.com

Некоторые источники данных для анализа:

• История прослушиваний. vk.com Учитываются повторные прослушивания, отказ от дослушивания, пропуск треков. vk.com
• Оценки пользователей. vk.com Система анализирует действия «нравится» и «не нравится», а также другие реакции (например, перемотка трека). vk.com
• Информация о связях между объектами. vk.com Учитывается, как связаны треки, альбомы, исполнители и жанры, чтобы предлагать новых исполнителей в любимом жанре. vk.com

Алгоритм состоит из двух крупных групп: theblueprint.ru

1. Алгоритмы коллаборативной фильтрации. theblueprint.ru Они собирают информацию о том, какую музыку слушают пользователи и какие композиции выбирают люди с похожим музыкальным вкусом. theblueprint.ru Затем алгоритм выбирает пользователей, чьи лайки пересекаются, — и предлагает им похожие рекомендации. theblueprint.ru
2. Алгоритмы, основанные на анализе контента. theblueprint.ru Они анализируют спектрограмму и распределение звуковых частот, звучание и бит, ритм и тембр голоса исполнителя, жанр и другие характеристики. theblueprint.ru Затем ищут треки с подобными техническими параметрами и предлагают их пользователю на основе его лайков, «скипов», дослушивания и других показателей. theblueprint.ru

Система рекомендаций постоянно обучается, адаптируясь к изменениям вкусов слушателя и новым музыкальным трендам. vk.com Каждый раз, когда пользователь совершает новое действие (слушает трек или добавляет его в плейлист), профиль обновляется, и прогноз строится заново. vk.com