Acquistiamo feed di dati da diversi fornitori di dati commerciali, tra cui Xperi (ex All Music Guide), Songkick e LyricFind. I dati concessi in licenza sono generalmente abbastanza completi, anche se la loro ampiezza è spesso limitata.
Alcuni provider, come MusicBrainz e Discogs, si affidano ai contributi degli utenti per ottenere i dati. Il vantaggio principale del modello crowdsourcing è che fornisce accesso a dati che non sono disponibili da fonti commerciali; potrebbe non esserci una buona ragione economica per raccogliere o creare determinati dati, quindi spetta agli appassionati farlo, e spesso fanno un lavoro eccezionale.
Gli utenti di Roon contribuiscono alla loro conoscenza semplicemente ascoltando la loro musica preferita. Poiché si tratta di ascoltatori molto esigenti, ogni giorno scandagliano le profondità dei loro generi e stili preferiti, e queste connessioni costituiscono la base dei modelli e delle mappe di Valence.
Valence ha un'arma segreta quando si tratta di dati puliti: l'esperienza della comunità Roon. Composta da professionisti della musica, audiofili e nerd autoprofessionisti, questo gruppo appassionato ha fornito le nostre localizzazioni, la directory delle radio su Internet e ora sta iniziando a creare e a curare i nuovi dati utilizzati da Valence.
I dati ingeriti da Valence provengono dai detentori dei diritti (etichette discografiche), da fornitori di dati commerciali, da progetti di dati no-profit e dalla comunità Roon. Una porzione di dati in Valence può nascere da una qualsiasi di queste fonti, crescendo e diventando più dettagliata man mano che le prove della sua accuratezza vengono trovate in altre fonti di dati. Questo approccio unico all'aggregazione fa sì che, dopo un'ingestione giornaliera completa, l'indice di Valence sia probabilmente il più grande e il più accurato al mondo.
Valence utilizza un approccio che tiene conto dei nomi dei file, della struttura delle directory, dei dati dei tag e della lunghezza dei file per fornire a Roon identificazioni di album e brani ad alta affidabilità.
La maggior parte dei lettori musicali interagisce con i servizi di streaming utilizzando un'API per la ricerca, la navigazione e la riproduzione; essi dipendono inoltre da tale API per la maggior parte o la totalità dei metadati musicali. Valence, in realtà, ingerisce ogni giorno i cataloghi completi dei servizi musicali integrati, quindi determina (in anticipo) quali dei propri dati devono essere applicati a ogni flusso proveniente da ciascun servizio integrato.
Convenzionalmente, per "metadati" si intende il nome di un album e le tracce che contiene. Valence va oltre, catturando i crediti a livello di album e di tracce, le date di registrazione, di pubblicazione e di ristampa, l'etichetta, la valutazione e la recensione, oltre a distinguere tra le diverse versioni di un album.
Oltre ai dati sulle registrazioni, Valence aggrega informazioni su esecutori, compositori, produttori e direttori d'orchestra, comprese le loro statistiche vitali, le biografie e anche i luoghi in cui hanno vissuto, le band o gli ensemble di cui hanno fatto parte, i collegamenti sociali e le date dei prossimi concerti.
Nel modello di dati di Valence, le registrazioni (tracce) sono istanze di composizioni, una nozione importante soprattutto quando un artista fa una cover di un brano di un altro artista o (come spesso accade non solo nella classica e nel jazz, ma anche nel rock e nel pop) il compositore e l'esecutore non sono la stessa persona.
Valence produce "classifiche" di popolarità interna a tutti i livelli: artista, album, brano e composizione. Genera anche diverse classifiche più specifiche per genere e una serie dedicata alla musica classica.
Ciò che le persone fanno nella musica informa il modello di Valence del mondo musicale. Ad esempio, Trent Reznor ha un rapporto diverso con la musica che crea quando è il frontman dei Nine Inch Nails, quando collabora alla colonna sonora di un film con Atticus Ross o quando produce un album per Halsey.
Una sonata con tre movimenti non garantisce che ci siano tre brani corrispondenti in un album che contiene quella composizione. La comprensione delle opere sottostanti e delle loro suddivisioni consente a Valence di rappresentare con precisione le cover di canzoni pop, gli standard jazz dell'American Songbook e le opere classiche a più parti.
Il modello di somiglianza di Valence traccia la somiglianza tra determinati artisti, album e brani e altri artisti, album e brani. Si basa sia sul comportamento degli utenti (a chi piace X piace anche Y) sia sull'opinione degli esperti o sulla verità di base.
Nell'arco della carriera di un artista o di un compositore, spesso appaiono dei modelli che delineano intervalli di materiale particolarmente apprezzato. Valence modella questi intervalli per creare una nozione di "periodo d'oro", ossia di periodi particolarmente significativi nella carriera di una persona.
I musicisti spesso si evolvono nel corso della loro carriera. Valence attribuisce punteggi per la "genialità" e la "compostezza" (oltre a molti altri vettori) per aiutare a capire se Taylor Swift sia un'artista pop o country, o se Bob Dylan debba essere considerato un interprete o un autore di canzoni.
All'interno dei confini delle connessioni guidate dai metadati, Valence utilizza i suoi modelli per affinare e produrre un insieme più sfumato e significativo di possibili raccomandazioni.
Il contesto in cui viene fatta una raccomandazione può influire radicalmente sulla sua accuratezza. Una grande lista di album di R&B sarebbe completamente diversa nel contesto in cui si sfoglia Aretha Franklin rispetto a Frank Ocean; una lista di pianisti notevoli nel contesto di Chopin non ha nulla in comune con quelle nel contesto del Post-bop Jazz.
Valence genera un modello privato, memorizzato nel profilo di ogni utente, che documenta le sfaccettature del gusto dell'utente in base alla sua libreria e alla sua storia di ascolti. Le raccomandazioni sono ponderate tenendo conto di questo profilo di gusto.
Le informazioni fattuali sono alla base delle raccomandazioni; ad esempio, sapere che due musicisti hanno collaborato è la prova migliore di un legame tra loro. Le informazioni editoriali (come le categorizzazioni di genere e le valutazioni degli album) forniscono un'altra dimensione su cui pesare i suggerimenti.
A prescindere dagli approcci tecnici alla scienza dei dati sottostante, la conoscenza del dominio musicale è la spina dorsale di Valence. Ciò che lo distingue sono le sottigliezze, come le differenze tra l'R&B degli anni '60 e quello contemporaneo, o il fatto che Taylor Swift ha iniziato con il country e ha finito per dominare le classifiche pop, o che probabilmente non si vogliono ascoltare i quartetti d'archi di Beethoven tra un movimento e l'altro delle sue sinfonie.
Uno degli esempi più evidenti di Valence in Roon sono gli elementi dell'interfaccia utente che appaiono in risposta al contesto. Ad esempio, se si sta guardando un artista che ha collaborato spesso, si può vedere "featured collaborators" o se l'artista fa parte di una scena, si può vedere "other artists from Glasgow". Roon contiene centinaia di elementi dell'interfaccia utente che vengono visualizzati solo in contesti con dati di supporto pertinenti.
Poiché i contenuti locali e quelli in streaming sono identificati allo stesso modo, entrambi vengono arricchiti di metadati e interlacciati in Roon. In questo modo si eliminano i silos di contenuti e si consente una vera e propria navigazione guidata dalle intenzioni: l'attenzione si concentra su ciò che si vuole ascoltare, non su dove si trova quella cosa.
Le nuove uscite vengono visualizzate in vari contesti in Roon, e in ogni contesto i risultati sono completamente diversi. Le nuove uscite nella schermata iniziale sono filtrate in base al profilo di gusto, ma quelle nella schermata dell'artista incorporano anche il genere e gli anni di attività dell'artista per una maggiore rilevanza.
Ogni giorno, Valence produce sei mix unici di 25 tracce per ogni utente Roon. Ciascun mix è tematizzato su un artista che ha un ruolo importante nella storia degli ascolti dell'utente e combina selezioni che probabilmente gli saranno familiari con altre che metteranno alla prova i suoi gusti.
Come ogni sistema di grandi dimensioni, la catena di fornitura dello streaming musicale invita all'abuso. Molte etichette "cattive" pubblicano registrazioni non autentiche nel tentativo di convincere gli utenti ad ascoltare i loro streaming. Valence permette a Roon di filtrare questi contenuti di bassa qualità e di visualizzare solo le uscite autentiche.
In Roon, Focus espone le capacità di Valence direttamente all'utente e consente un filtraggio multidimensionale delle discografie degli artisti e delle intere librerie degli utenti.
Tradizionalmente, la ricerca di un insieme di file locali è una cosa e la ricerca di un insieme di dati remoti tramite API è un'altra. Roon fa entrambe le cose con un'interfaccia utente unificata, utilizzando il database aggregato di Valance e la ricerca context-aware, migliorando sia l'accuratezza che la pertinenza.