音乐发现:插值与外推
在音乐发现领域,最大的问题是:“我如何找到自己喜欢的音乐”。 在我们拥有比以往更多的音乐的时代,这种体验应该是一种奢侈,而不是阻碍。 如今,流服务处理音乐发现的主要方式有两种。 一方面,您有一些公司更倾向于人工策划(例如Pandora和Apple Music),而其他公司则更专注于智能算法(Spotify,Google Play)。 当您想到当今可用的音乐庞大时,这两种方法都有优点和缺点。 无论采用哪种方法,当今的所有流服务都具有一个共同点–插值。 用数学术语,将内插定义为在一组离散的已知数据点范围内构造新数据点的方法。 如果将其翻译成音乐术语,则会得到:“一种在一组已知歌曲范围内查找新歌曲的方法” 在考虑发现时,这似乎违反直觉,因为此过程本身对可发现的内容施加了限制。 流服务采用这种方法的原因很简单且合乎逻辑:音乐太多,而且没有一种服务能够准确地处理和分析所有音乐。 如果我们依靠人类,我们将需要一个非常非常非常非常大的策展人团队来完成所有工作-这就是为什么Pandora与其他服务相比没有庞大的音乐目录的原因-好处是,他们的Genome Project使他们的数据库更干净,比其他任何服务都准确得多(少是多? 另一方面,您可以在Spotify上找到所需的任何内容,但它们只能从该数据库的很小一部分中管理音乐。 如今,插值方法已与“相关艺术家”联系在一起。 所有流媒体服务都有其艺术家“连接”方式的一套规则。 一个艺术家可以与另一个人联系,因为;…