یک مدل طولی برای پیش‌بینی محبوبیت آهنگ

عنوان یک مدل طولی برای پیش‌بینی محبوبیت آهنگ
نویسنده چیمن، احمد، کیش، انیس
تاریخ انتشار: 2021
محل انتشار - SciTePress
موضوع برنامه نویسی ریاضی، تجزیه و تحلیل موسیقی، ضرایب متغیر زمان
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه: دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-989-758-521-0
شماره ثبت b5614697-9185-4d50-938c-14453cae764f
محل کتابخانه مهندسی صنایع
تاریخ 2021
متن نمونه استفاده از نسل جدید پلتفرم های پخش موسیقی مانند Spotify و Apple Music در سال های گذشته به سرعت افزایش یافته است. پیش‌بینی خودکار محبوبیت یک آهنگ برای این شرکت‌ها ارزشمند است که به نوبه خود منجر به رضایت بیشتر مشتری می‌شود. در این مطالعه، ما چندین مدل آماری را برای پیش‌بینی محبوبیت آهنگ با استفاده از ویژگی‌های آکوستیک و مرتبط با هنرمند ایجاد و مقایسه می‌کنیم. ما نتایج دو کشور را با هم مقایسه می کنیم تا بفهمیم آیا تفاوت های فرهنگی برای آهنگ های محبوب وجود دارد یا خیر. برای مقایسه نتایج، از نمودارهای هفتگی و ویژگی های صوتی آهنگ ها به عنوان منابع داده استفاده می کنیم. علاوه بر ویژگی‌های صوتی، شباهت صوتی، ژانر، محبوبیت محلی، ویژگی‌های جدید بودن آهنگ را به مجموعه داده اضافه می‌کنیم. ما از روش حداقل مربعات انعطاف‌پذیر (FLS) برای تخمین جریان آهنگ و مشاهده ضرایب رگرسیون متغیر با استفاده از یک برنامه درجه دوم استفاده کردیم. روش FLS تعداد پخش‌های هفتگی یک آهنگ را با استفاده از ویژگی‌های صوتی و ویژگی‌های اضافی در مجموعه داده پیش‌بینی می‌کند در حالی که تفاوت مدل هفتگی را تا حد امکان کوچک نگه می‌دارد. نتایج نشان می دهد که تغییرات معنادار در ضرایب رگرسیون ممکن است منعکس کننده تغییرات در ذائقه موسیقی کشورها باشد.
DOI 10.5220/0010607700960104
مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات دانشگاه اوزیغین

یک مدل طولی برای پیش‌بینی محبوبیت آهنگ

نویسنده چیمن، احمد، کیش، انیس
تاریخ انتشار 2021
محل انتشار - SciTePress
موضوع برنامه نویسی ریاضی، تجزیه و تحلیل موسیقی، ضرایب متغیر زمان
نوع سند
زبان انگلیسی
دیجیتال بله
نسخه خطی خیر
کتابخانه دانشگاه اوزیغین
شناسه دارایی کتابخانه 978-989-758-521-0
شماره ثبت b5614697-9185-4d50-938c-14453cae764f
محل کتابخانه مهندسی صنایع
تاریخ 2021
متن نمونه استفاده از نسل جدید پلتفرم های پخش موسیقی مانند Spotify و Apple Music در سال های گذشته به سرعت افزایش یافته است. پیش‌بینی خودکار محبوبیت یک آهنگ برای این شرکت‌ها ارزشمند است که به نوبه خود منجر به رضایت بیشتر مشتری می‌شود. در این مطالعه، ما چندین مدل آماری را برای پیش‌بینی محبوبیت آهنگ با استفاده از ویژگی‌های آکوستیک و مرتبط با هنرمند ایجاد و مقایسه می‌کنیم. ما نتایج دو کشور را با هم مقایسه می کنیم تا بفهمیم آیا تفاوت های فرهنگی برای آهنگ های محبوب وجود دارد یا خیر. برای مقایسه نتایج، از نمودارهای هفتگی و ویژگی های صوتی آهنگ ها به عنوان منابع داده استفاده می کنیم. علاوه بر ویژگی‌های صوتی، شباهت صوتی، ژانر، محبوبیت محلی، ویژگی‌های جدید بودن آهنگ را به مجموعه داده اضافه می‌کنیم. ما از روش حداقل مربعات انعطاف‌پذیر (FLS) برای تخمین جریان آهنگ و مشاهده ضرایب رگرسیون متغیر با استفاده از یک برنامه درجه دوم استفاده کردیم. روش FLS تعداد پخش‌های هفتگی یک آهنگ را با استفاده از ویژگی‌های صوتی و ویژگی‌های اضافی در مجموعه داده پیش‌بینی می‌کند در حالی که تفاوت مدل هفتگی را تا حد امکان کوچک نگه می‌دارد. نتایج نشان می دهد که تغییرات معنادار در ضرایب رگرسیون ممکن است منعکس کننده تغییرات در ذائقه موسیقی کشورها باشد.
DOI 10.5220/0010607700960104
دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات
دانشگاه اوزیغین شما در حال هدایت مجدد هستید...

لطفاً صبر کنید