Come sappiamo, l’Intelligenza Artificiale sta cambiando il mondo per come lo conosciamo. Il rapido sviluppo tecnologico degli ultimi anni ha spinto moltissime grandi aziende a fare uso dell’IA nei propri progetti, aumentando l’efficienza dei propri sistemi e di conseguenza la soddisfazione di clienti e utenti.

Oggi, in questo articolo, tratteremo la progettazione del sistema e l’algoritmo di raccomandazione di Netflix e Spotify.

Algoritmo di raccomandazione musicale di Spotify, by Harvard Business School

In che modo Spotify utilizza l’apprendimento automatico per consigliare la musica?

L’azienda utilizza contemporaneamente tre modelli di raccomandazione e altre tecniche. Ecco i 3 modelli descritti dalla Harvard Business School:

  • CF (Collaborative Filtering): modelli che analizzano il tuo comportamento e lo confrontano con i comportamenti di altri utenti
  • NLP, ovvero modelli di elaborazione del linguaggio naturale, che scansionano Internet e analizzano il testo sul catalogo di Spotify
  • Analisi audio: modelli che analizzano i file audio non elaborati
come funziona machine learning Spotify
Schema dell’algoritmo di Spotify: fonte https://www.theinsaneapp.com/2021/03/system-design-and-recommendation-algorithms.html

Progettazione del sistema Netflix

Netflix opera in due cloud: AWS e Open Connect. Entrambi i cloud devono lavorare insieme senza errori per offrire infinite ore di video.

Sono 3 i componenti principali:: CDN, Backend e Client.

Tutto ciò che non comporta la pubblicazione di video viene gestito in AWS. Tutto ciò che accade dopo che hai premuto play è gestito da Open Connect. Open Connect è la rete globale per la distribuzione di contenuti (CDN) personalizzata di Netflix.

come funziona machine learning Netflix
Schema dell’algoritmo di Netflix: fonte https://www.theinsaneapp.com/2021/03/system-design-and-recommendation-algorithms.html

Architettura del sistema Netflix per la personalizzazione e la raccomandazione

Netflix dichiara di utilizzare una varietà di classificatori, sebbene non siano specificati i dettagli dell’architettura di ciascun modello. Ecco in sintesi quali sono:

  1. Classifica video personalizzata (PVR): questo algoritmo è generico e di solito filtra il catalogo in base a determinati criteri (per esempio TV Show, intrattenimento, commedie…) e agisce insieme a funzionalità secondarie tra cui funzionalità utente e popolarità;
  2. Top-N Video Ranker — Simile a PVR, tranne per il fatto che guarda solo in cima alle classifiche e guarda l’intero catalogo. È ottimizzato utilizzando metriche che guardano all’inizio delle classifiche del catalogo.