简单的音乐推荐系统
本文提供两种简单的传统音乐推荐系统（next-songs 方向）的思路与实现。（数学原理和机器学习方法从略）
下文仅给出思路以及关键代码，完整实现见: github.com/cdfmlr/mure…
1. 基于音频特征
分析音频特征，做基于内容的推荐（Content-Based Filtering，CBF)。
1.1 设计思路
一个喜欢巴赫的人可能也喜欢肖邦，所以一种自然的想法是，我们可以把音频送给机器进行学习，试图让它分别不同种类、风格的音乐。给定一首歌，送入训练好的模型，推荐出风格上最相近的其他歌曲。
song-classification.ipynb 实现了这种模型的训练。
加拿大维多利亚大学的 genres 数据集（opihi.cs.uvic.ca/sound/genre… ），提供了良好标注的不同种类音乐片段。
$ ls genres
blues country hiphop metal reggae
classical disco jazz pop rock
复制代码我们把这些片段利用 librosa 库转化为梅尔频谱图（mel-spectrogram）。
(上图为数据集中 Hip-Hop 风格片段的平均频谱图)
把频谱送入一个一维卷积池化堆叠 + 全连接分类头的神经网络，训练，得到的模型即一个音乐风格检测器。
def cnn_model(input_shape):
inputs = Input(input_shape)
x = inputs
# 一维卷积池化
levels = 64
for level in range(3):
x = Conv1D(levels, 3, activation='relu')(x)
x = BatchNormalization()(x)
x = MaxPooling1D(pool_size=2, strides=2)(x)
levels *= 2
# x -> shape(128)
x = GlobalMaxPooling1D()(x)
# 计算类型标签的全连接网络
for fc in range(2):
x = Dense(256, activation='relu')(x)
x = Dropout(0.5)(x)
labels = Dense(10, activation='softmax')(x)
model = Model(inputs=[inputs], outputs=[labels])
# optimizer and compile model
sgd = SGD(learning_rate=0.0003, momentum=0.9, decay=1e-5, nesterov=True)
model.compile(optimizer=sgd, loss='categorical_crossentropy', metrics=['accuracy'])
return model
model = cnn_model((128, 128))
复制代码训练得出的模型 song_classify.h5 可以很好的分类特征明显的音乐类型（例如古典乐），但对界限相对模糊的乐种（如摇滚乐）分类效果欠佳。
(分类结果的混淆矩阵)
利用这个模型，在 index-local-mp3s.ipynb 中实现了相似音乐的推荐。
具体的做法是，手动做了一个简单的数据集，选取一些个人常听的音乐，转化为同样品质的 mp3 文件。
(选取的音乐种类)
遍历处理这些文件，提取梅尔频谱图。
def process_mp3(path):
signal, sr = librosa.load(path,
res_type="kaiser_fast",
offset=30,
duration=30)
melspec = librosa.feature.melspectrogram(signal, sr=sr).T[:1280, ]
if len(melspec) != 1280:
return None
return {'path': path,
'melspecs': np.asarray(np.split(melspec, 10))}
# 对每个 MP3 的所有频谱进行索引
songs = [process_mp3(path) for path in tqdm(mp3s)]
songs = [song for song in songs if song]
# 可以把他们连在一起，方便一批完成
inputs = []
for song in songs:
inputs.extend(song['melspecs'])
复制代码接下来将预处理好的数据集送入训练好的模型。
由于我们只需要提取音频特征，而并不需要做分类，所以把模型最后基层的全连接分类头去掉，只留下前面的卷积特征提取层。输入音频频谱，输出一个 256 维的向量作为音乐的“特征向量”。
cnn_model = load_model('song_classify.h5')
vectorize_model = Model(inputs=cnn_model.input,
outputs=cnn_model.layers[-4].output)
vectors = vectorize_model.predict(inputs)
复制代码建立一个无监督的最邻近模型，计算这些特征向量的相似度，也就其代表的 mp3 歌曲的相似度。
nbrs = NearestNeighbors(
n_neighbors=10, algorithm='ball_tree'
).fit(vectors)
def most_similar_songs(song_idx):
distances, indices = nbrs.kneighbors(
vectors[song_idx * 10: song_idx * 10 + 10])
c = Counter()
for row in indices:
for idx in row[1:]:
c[idx // 10] += 1
return c.most_common()
def print_similar_songs(song_idx, start=1, end=6):
print("指定歌曲:", song_name(song_idx))
for idx, score in most_similar_songs(song_idx)[start:end]:
print(f"[相似度{score}] {song_name(idx)}")
复制代码最后，给定一首歌，就可以从最邻近模型中找到最接近的几首歌。
（推荐结果示例）
模型最终表现还行吧。只是和分类的结果类似，不善于处理摇滚乐。
1.2 模型优缺点
这是我比较喜欢的一种方式，从音乐本身的特征出发，不基于以往用户数据，没有曲目列表限制。借助训练好的分类器网络，可以对任意没见过的音频进行推荐。
但是，需要处理完整的音频。频谱分析的过程比较消耗算力。并且只能推荐本地拥有的曲目在另一方面也可以看作一种限制。
这种模型可以用于离线的设备端音乐推荐。
1.3 改进空间
- 用于训练分类器的 genres 数据集虽然质量极高，但数据量不太大。考虑用更多数据，或许能得到更好的模型；
- 分类器网络的结构也比较粗糙，可以考虑进一步研究调整。例如考虑使用预训练的 NLP 模型进行迁移学习，或许能更加敏锐；
- 考虑构建多输入的模型（或者使用多个模型），加上一些其他方面的数据，比如歌曲的元数据（歌名、艺人、专辑、时常等）、以及歌词等不容易从频谱中得出的方面。
2. 基于现有播放列表数据
基于以往的、其他用户的数据，做协同过滤（Collaborative Filtering ，CF) 。
这种思路其实更常见。获取一系列的人建好的播放列表。通过某种方法建立其中曲目的距离关系。给定歌曲，推荐距离最近的。
2.1 获取数据
在 spotify-playlist.ipynb 中，利用 Spotify 的 API，随机获取一些播放列表，及其中曲目（只是获取元数据，不下载音频）。
但由于这种方法需要获取大量数据（需要数十万歌曲），而网络、数据库环境都有限制，Python 实现不甚稳定，难以完成工作，所以在 spotify/ 子目录中，使用 Golang 重写了这个实现，提供更加鲁棒的数据获取服务，将获取的数据存放在一个 SQLite 数据库中。
（获取的播放列表及曲目数据）
这里目前获取了数 GiB 数据，包含 17 万个播放列表中，来自 80 万个艺人的近 500 万首歌曲。
sqlite> select count(*) from playlists;
177889
sqlite> select count(*) from artists;
801357
sqlite> select count(*) from tracks;
4995249
复制代码下面实现了两种思路来利用这些数据：
2.2 Word2vec
在 train-a-music-recommender.ipynb 中，将歌曲作为单词、将歌曲最成的播放列表作为句子:
sentences = [
["track_1_id", "track_2_id", ...], # playlist_1
[...], # playlist_2
...
]
复制代码以此为语料，建立 Word2vec 模型。
model = gensim.models.Word2Vec(
sentences=PlaylistTracksIter(DB), min_count=4)
复制代码训练完成后，给定曲目，可获取到最接近的推荐。
def suggest_songs(song_id):
similar = dict(model.wv.most_similar([song_id]))
song_ids = ', '.join(("'%s'" % x) for x in similar.keys())
c = conn.cursor()
c.execute("SELECT * FROM tracks WHERE id in (%s)" % song_ids)
res = sorted((rec + (similar[rec[4]],
find_artists(rec[4])
) for rec in c.fetchall()),
key=itemgetter(-1),
reverse=True)
return suggest_songs_result([*res])
def suggest_from(song_name: str):
s = find_song(song_name, limit=1)
return s + suggest_songs(s[0]["id"])
复制代码这个模型也可用，但效果不算特别理想。
（Word2Vec 模型推荐实例）
2.3 Surprise KNNBaseline
在 surprise.ipynb 中，将歌曲作为 item，将播放列表作为 user，播放列表包含某歌曲即看作 user 给 item 打了一分（rating=1）。
将这样处理好的数据集交给 Surprise 进行基本的协同过滤。
from surprise import KNNBaseline
from surprise import Reader, Dataset
# custom dataset
reader = Reader(rating_scale=(0, 1))
train_data = Dataset.load_from_df(
pt_train[['userID', 'itemID', 'rating']],
reader)
trainset = train_data.build_full_trainset()
# compute similarities between items
sim_options = {
'user_based': False
}
# 算法、训练
algo = KNNBaseline(sim_options=sim_options)
algo.fit(trainset)
复制代码同样得到 KNN 的模型，给定歌曲，从模型中获取最邻近的推荐。
def find_sim(track_id, k=5):
sim = algo.get_neighbors(
iid=algo.trainset.to_inner_iid(track_id), k=k)
track_ids = [track_id] + list(
map(algo.trainset.to_raw_iid, sim))
tracks = []
c = conn.cursor()
for tid in track_ids:
c.execute(f"SELECT * FROM tracks WHERE id = '{tid}'")
tk = c.fetchall()[0]
tracks.append(tk + (find_artists(tid),))
c.close()
return sim_result(tracks)
复制代码这个做出来效果不错。
(Surprise 模型推荐结果，Shout Baby 是输入的歌曲，下面 5 首是推荐出的，二刺螈狂喜。)
2.4 模型优缺点
这种思路是传统的过往用户数据分析，是推荐系统比较常规的实现方式，方案较为成熟。基于海量数据，可以达到比较好的推荐效果。
但是，大数据的处理速度可能较慢，并且存储器开销不是终端可以承受的。同时，对于用户，基于数据的邻近推荐会容易造成信息茧房问题，并不健康。
这种方案可以用于云端的音乐推荐。
2.5 改进空间
- 算法：目前实现的是最基本的基准算法，可以考虑尝试其他的算法。
- 数据：对于这种模型更多的数据几乎一定会带来更好的结果。
- 考虑抓取网易云音乐的数据，可能更优质：本土化音乐，评论、热度、播放列表标签分类。可以用更综合的模型进行推荐
参考文献
[1] Douwe Osinga. Deep Learning Cookbook[M]. O'Reilly, 2018: 210-227.
[2] Nicolas Hug. Surprise: A Python library for recommender systems[J]. Journal of Open Source Software, 2020, 5(52): 2174.