当WeWork的首席产品官Shiva Rajaraman在Flatiron的产品系列中发表讲话时，我了解到他曾是Spotify产品副总裁。 他谈到了Spotify的功能，例如Spotify running，它可以跟踪您的跑步速度并创建与您的速度匹配的播放列表。 他还谈到了广受欢迎的“发现每周”播放列表。 通过该演讲以及我的Flatiron学生演讲主题，介绍了生物特征指纹扫描背后的算法。 我决定更深入地研究Spotify如何使用算法来创建适合您的播放列表。
基于内容的建议（自然语言处理）
NPL教导计算机处理大量自然语言（人类语音）数据。 Spotify会扫描互联网，寻找有关音乐的任何内容，以了解人们对某首歌曲或某类型的评论。 与音乐相关的许多信息可以帮助推荐歌曲，例如评论，歌曲歌词，其他歌曲或歌手也正在讨论中。 如果以相同的方式谈论两首歌曲，则可以假定这两首歌是相似的，并且有可能被Spotify推荐给您。
Spotify还可以通过其他方式推荐音乐，例如分析歌曲特征（例如拍号，音调和速度）以查找歌曲之间的相似性。
如果您确实使用了Discovery Weekly Ogle，Ogle会建议一些技巧来优化您的聆听体验。
- 将喜欢的歌曲添加到媒体库中的播放列表
- 跳过您不喜欢的歌曲（算法将其解释为“轻击”）
- 钻进兔子洞，翻阅新的艺术家和歌曲。
- 如果要保存播放列表，请使用IFTTT。
Nelson是一个小故障项目，可让您调整推荐API中的各种输入并创建自己的算法生成的播放列表。
您可以选择多种风格，然后指定播放列表的其他参数。 这些功能在Spotify开发人员的博客中进行了说明。
我希望您能像我一样找到新的音乐并找到新的艺术家，现在我们对Spotify如何通过其算法做到这一点有了更多的了解。
