用无监督学习生成吊炸天Spotify播放列表
在本系列之前的博文里(见: https:// towardsdatascience.com/ tagged/music-by-numbers ),我们探索了音乐串流巨头Spotify如何建立算法,仅基于波形就能描述任何歌曲的音乐特征(见: https:// developer.spotify.com/d ocumentation/web-api/reference/tracks/get-audio-features/ )。 这些算法可以计算一些明显的音乐成分,如歌曲的速度和调子。然而,他们也有更为细微的度量项目:歌曲有多欢快?它冷淡还是高能?它是不是舞曲? 为了展示该工作如何进行,我用一些电子乐内容建立了一个播放列表,从Kendrick Lamar到Black Sabbath,从Beatles到Billie Eilish都含在内,当然也有Despacito。 让我们看看Spotify是怎样用多种音频特征指标给这些歌曲分类的。这些指标的完整描述见: https:// towardsdatascience.com/ analysing-the-greatest-show-on-earth-e234f611e110 。 用有稳定、不间断节拍的歌曲被认为是更适合跳舞——因此Rap歌曲如Real Slim Shady和 Humble此项得分较高。 正如我们在前篇博文里注意到的