Spotify là ứng dụng nghe nhạc hàng đầu hiện nay và được nhiều người sử dụng, nhưng bạn đã bao giờ tự hỏi làm thế nào thuật toán của Spotify biết được bạn thích loại nhạc nào để đưa ra đề xuất phù hợp? Hãy cùng khám phá nhé!
Công nghệ máy học (ML) và trí tuệ nhân tạo (AI) đã tạo ra cuộc cách mạng trong lĩnh vực phát nhạc trực tuyến bằng cách nâng cao trải nghiệm người dùng, cải thiện khả năng khám phá nội dung và đề xuất phù hợp cho từng cá nhân. Nhiều nền tảng phát nhạc sử dụng các thuật toán ML tinh vi để phân tích dữ liệu và thói quen nghe nhạc của người dùng để đưa ra đề xuất âm nhạc phù hợp.
Spotify là một trong những nền tảng phát nhạc trực tuyến hàng đầu thế giới, trong đó ML và AI đóng vai trò quan trọng tạo nên thành công của Spotify thông qua việc tăng trải nghiệm người dùng. Với các đề xuất được cá nhân hóa, danh sách phát động và sắp xếp theo thuật toán, hệ thống ML của Spotify đã nâng cao mức độ hài lòng và mức độ tương tác của người dùng.
Spotify biết được sở thích âm nhạc của bạn bằng cách nào?
Hệ thống đề xuất của Spotify là sự kết hợp phức tạp giữa lọc cộng tác, lọc theo nội dung và các kỹ thuật ML/AI khác. Spotify cũng sử dụng sự cân bằng giữa khám phá và khai thác: khai thác đưa ra đề xuất dựa trên thói quen nghe nhạc trước đó và khám phá dựa trên mức độ tương tác không chắc chắn của người dùng. Đây là một công cụ nghiên cứu để tìm hiểu thêm về cách mọi người tương tác với nội dung được đề xuất.
Như vậy hệ thống đề xuất của Spotify là sự pha trộn tinh vi của nhiều kỹ thuật khác nhau để cung cấp cho người dùng trải nghiệm nghe thú vị và được cá nhân hóa.
Lọc cộng tác là gì?
Lọc cộng tác là phương pháp sử dụng hành vi của người dùng để đưa ra các đề xuất. Ví dụ nếu hai người có sở thích âm nhạc giống nhau thì hệ thống có thể đề xuất các bản nhạc mà một người đã nghe nhưng người kia thì chưa.
Lọc cộng tác là một quy trình thao tác ma trận, trong đó số lần phát bản nhạc của người dùng được tổ chức thành một ma trận rải rác, sau đó được chuyển đổi thành 2 ma trận gọi là ma trận sở thích và ma trận độ tin cậy, cho biết liệu người dùng đã nghe một bản nhạc nào đó hay chưa và hệ thống chắc chắn đến mức nào về sở thích này. Sau đó hệ thống sử dụng thuật toán để tìm các vectơ bản nhạc gần nhất cho mỗi vectơ người dùng và đưa ra đề xuất dựa trên những kết quả này.
Ví dụ bạn là fan của Davido và bạn thích nghe nhạc của Wizkid, tính năng lọc cộng tác sẽ chú ý đến thói quen này và nếu có một người khác cũng thích nghe Davido nhưng chưa biết đến Wizkid thì hệ thống có thể đề xuất nhạc của Wizkid cho người đó.
Tính năng lọc cộng tác còn phát triển hơn nữa bằng cách gom những người có sở thích âm nhạc tương tự nhau thành một nhóm. Quá trình này được gọi là lọc cộng tác người dùng-người dùng.
Một phương pháp khác là lọc cộng tác đối tượng-đối tượng: thay vì nhóm những người dùng có sở thích giống nhau, hệ thống sẽ tập trung vào mối quan hệ giữa các đối tượng. Ví dụ nếu nhiều người cùng thích một số bài hát thì hệ thống sẽ xác định những bài hát đó giống nhau.
Hạn chế của lọc cộng tác
Lọc cộng tác đã làm thay đổi cách chúng ta khám phá nội dung mới, nhưng vẫn có những hạn chế. Phương pháp này gặp khó khăn khi đưa ra đề xuất cho những người mới làm quen với ứng dụng cũng như các đối tượng chưa có dữ liệu từ trước. Lọc cộng tác cũng mắc phải “thiên kiến” khi thường đề xuất các đối tượng có độ phổ biến cao và bỏ qua các đối tượng ít được biết đến nhưng cũng có chất lượng tốt.
Bất chấp những hạn chế đó, lọc cộng tác vẫn là nền tảng của các hệ thống đề xuất hiện đại. Khả năng khai thác trí tuệ tập thể của người dùng và cung cấp các đề xuất được cá nhân hóa giúp nó trở thành một công cụ cực kỳ hữu ích.
Lọc theo nội dung là gì?
Phương pháp này giúp khắc phục nhược điểm của lọc cộng tác bằng cách phân tích các bản nhạc dựa trên tính chất âm thanh. Mạng thần kinh của hệ thống có thể phân tích các đặc điểm của bản nhạc như thời lượng, khóa nhạc, tâm trạng, nhịp độ và âm lượng. Nếu một bản nhạc mới có các thông số tương tự với bài hát yêu thích của người dùng thì hệ thống có thể sẽ đề xuất bài hát đó. Các thông số càng giống nhau thì khả năng bản nhạc đó được đề xuất cho người dùng càng cao.
Spotify điều chỉnh các đề xuất cho phù hợp với sở thích âm nhạc riêng biệt của người dùng, mang đến trải nghiệm nghe nhạc phù hợp. Dù bạn là fan của nhạc rock có nhịp độ nhanh hay các bản nhạc pop nhẹ nhàng chậm rãi, tính năng lọc dựa trên nội dung đảm bảo cung cấp cho bạn những bản nhạc mới phù hợp với sở thích.
Phân tích mức độ liên quan theo khu vực
Âm nhạc là ngôn ngữ toàn cầu không có biên giới, nhưng bên cạnh đó vẫn chịu ảnh hưởng của các nền văn hóa và khu vực địa lý riêng biệt. Mỗi bản nhạc đều mang dấu ấn riêng của văn hóa và vùng miền, từ nhịp điệu sôi động của Mỹ Latinh đến những giai điệu ám ảnh của Trung Đông. Để thực sự hiểu được bản chất của một bản nhạc, cần phải hiểu sâu về môi trường văn hóa đã tạo ra nó.
Spotify sử dụng mức độ liên quan theo khu vực để mang đến trải nghiệm cá nhân hóa cho người dùng. Quy trình xử lý ngôn ngữ tự nhiên (NLP) giúp phân tích các bài viết, blog và review trên mạng nhằm xây dựng danh sách các mô tả được sử dụng thường xuyên nhất cho một bản nhạc hoặc nghệ sĩ cụ thể. Các bản mô tả này giúp tìm ra điểm tương đồng giữa các nghệ sĩ, bản nhạc và sở thích của người dùng.
Các vấn đề khi khám phá âm nhạc dựa theo AI
Quá phụ thuộc vào dữ liệu người dùng và cá nhân hóa
Các hệ thống đề xuất âm nhạc tích hợp AI chủ yếu dựa vào dữ liệu người dùng để tạo ra danh sách nhạc phù hợp cho mỗi người. Thuật toán của Spotify phân tích thói quen nghe nhạc, thể loại yêu thích và thời gian nghe nhạc của người dùng. Điều này giúp nâng cao trải nghiệm người dùng nhưng cũng đặt ra thách thức đáng kể: phụ thuộc quá nhiều vào dữ liệu người dùng có thể dẫn đến việc hệ thống chỉ đề xuất nhạc tương tự với những gì bạn đã nghe, khiến bạn không có cơ hội khám phá các thể loại nhạc và nghệ sĩ mới.
Hạn chế khám phá âm nhạc đa dạng
Khám phá âm nhạc mới và đa dạng là một nhiệm vụ phức tạp đối với AI. Thuật toán phải cân bằng giữa việc đề xuất các bài hát quen thuộc với sở thích của người dùng và giới thiệu các thể loại nhạc hoặc nghệ sĩ mới. Quá quen thuộc có thể gây nhàm chán, nhưng quá mới lạ cũng khiến người dùng thấy khó chịu. Vấn đề này còn phức tạp hơn khi số lượng nhạc của Spotify ngày càng nhiều và đa dạng khiến AI khó phân tích và đề xuất nhạc phù hợp.
Mời bạn xem thêm các bài viết liên quan:
- 6 cách đơn giản giúp tăng tốc độ trình duyệt Chrome trên Android
- Những điều bạn cần biết trước khi tham gia mạng xã hội Threads
Hãy theo dõi BlogAnChoi để cập nhật nhiều thông tin bổ ích nhé!
Các bạn có thể giúp mình đánh giá chất lượng bài viết bằng cách để lại nhận xét của các bạn ở phần dưới được không?