بازگشت به جستجو

یک مدل طولی قوی برای محبوبیت آهنگ: یک مطالعه بین فرهنگی

عنوان	یک مدل طولی قوی برای محبوبیت آهنگ: یک مطالعه بین فرهنگی
نویسنده	چیمن، احمد جان
تاریخ انتشار:	2021-08-16
نوع	سند
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شماره ثبت	30eb3d1d-c0f0-4b3f-ae52-c38a7f25e123
محل کتابخانه	گروه مهندسی صنایع
تاریخ	2021-08-16
متن نمونه	استفاده از نسل جدید پلتفرم های پخش موسیقی مانند Spotify و Apple Music در سال های گذشته به سرعت افزایش یافته است. درک ترجیحات موسیقی پایه کاربر برای این شرکت‌ها ارزشمند است و باعث رضایت بیشتر مشتری می‌شود. در این مطالعه، ما چندین مدل آماری را برای تعیین کمیت اثرات عوامل مختلف بر محبوبیت موسیقی با استفاده از ویژگی‌های آکوستیک و مرتبط با هنرمند، توسعه و مقایسه می‌کنیم. ما نتایج سه کشور را با هم مقایسه می‌کنیم تا بفهمیم آیا تفاوت‌های فرهنگی در میزان تأثیر هر یک از این عوامل بر محبوبیت آهنگ وجود دارد یا خیر. برای مقایسه نتایج، از 200 نمودار برتر هفتگی و ویژگی های صوتی آهنگ ها به عنوان منابع داده استفاده می کنیم. علاوه بر ویژگی‌های صوتی، شباهت صوتی، ژانر، ویژگی‌های جدید بودن آهنگ را به مجموعه داده اضافه می‌کنیم. ما روش حداقل مربعات انعطاف‌پذیر (FLS) را اعمال کردیم و روش‌های رگرسیون خطی گام به گام بهینه (SLR) را برای و مشاهده ضرایب رگرسیون متغیر با زمان توسعه دادیم. ما همچنین یک الگوریتم ابتکاری مبتنی بر درخت رگرسیون را برای حل مشکل SLR در یک زمان معقول پیشنهاد می‌کنیم. روش FLS سعی می کند تا حد امکان اختلاف ضرایب هفته های مجاور را کوچک نگه دارد. از سوی دیگر، SLR تغییرات بین ضرایب هفته‌های متوالی را کنترل نمی‌کند، با این حال، تنها به تعداد محدودی از تغییرات ضریب در طول زمان اجازه می‌دهد. ضرایبی که از روش FLS بدست می آوریم نشان می دهد که می توانیم تغییرات عواملی را که بر عادات گوش دادن به موسیقی تأثیر می گذارند پیگیری کنیم و رویدادهای زندگی واقعی را با این تغییرات مرتبط کنیم. علاوه بر این، ما برای روش SLR پیشنهاد می کنیم، می توانیم به سرعت به راه حل های نزدیک به بهینه دست یابیم که سرنخ هایی در مورد زمان تغییرات قابل توجه در طعم موسیقی در کشورهای مختلف به ما می دهد. در نهایت، استنباط‌هایی که از این مطالعه انجام دادیم ممکن است به رشد صنعت موسیقی کمک کند و به زمینه‌های انسان‌شناسی برای کشف جنبه‌های اجتماعی-فرهنگی/سیاسی تغییرات ذائقه موسیقی کمک کند. Kullanıcı tabanının m¨uzik tercihlerini anlamak bu firmalar i¸cin de˘gerlidir ve bu da daha y¨uksek m¨u¸steri memnuniyeti anlamına gelmektedir. Bu ¸calı¸smada, akustik ¨ozellikleri ve Sanat¸cılar ile ilgili ¨ozellikleri kullanarak farklı fakt¨orlerin m¨uzik pop¨ularitesi ¨uzerindeki etkilerini ¨ol¸cmek i¸sitli ¸statils ve kar¸sıla¸stırılmı¸stır. Bu fakt¨orlerin her birinin ¸sarkı pop¨ulerli˘gini ne kadar etkiledi˘gi konusunda herhangi bir k¨ult¨urel farklılık olup olmadı˘gını anla mak i¸cin ¨u¸c ¨ulkeden solde edilar kar¸sıla¸stırılmı¸stır. Sonu¸cları kar¸sıla¸stırmak i¸cin veri kayna˘gı olarak haftalık ilk 200 ¸sarkı listesi ve ¸sarkıların akustik ¨ozellikleri kullanılmı¸stır. آکوستیک ¨ozelliklerin یانی سیرا akustik benzerlik، t¨ur، ¸sarkı g¨uncelli˘gi ¨ozelliklerini de veri setine eklenmi¸stir. Bu ¸calı¸smada، zamanla de˘gi¸sen regresyon kat sayılarını g¨ozlemlemek i¸cin Esnek En K¨u¸c¨uk Kareler (FLS) و Optimal A¸samalı Linear Regresyon (SLR) y¨ontemleri¸ırıgulan. Ayrıca SLR problemini makul bir s¨urede ¸c¨ozmek i¸cin regresyon a˘gacı tabanlı bir sezgisel algoritma ¨onerilmi¸stir. FLS y¨ontemi، ardı¸sık haftaların katsayı farklarını m¨umk¨un oldu˘gunca k¨u¸c¨uk tutmaya ¸calı¸sır. اوته ¨ یاندان، اس ال آر آردی¸سیک هفتا کاتساییلاری آراسینداکی د˘گی¸سیمی کنترل اتمز، انجاک زا من ای¸سینده یالنیزکا سینیرلی سائیدا کاتسایی د˘گی¸سیکلی جیینه ایزین ویر. FLS y¨onteminden elde etti˘gimiz katsayılar, m¨uzik dinleme alı¸skanlı˘gını etkileyen fakt¨orlerin de˘gi¸simini takip edilebildi˘gini ve bu de˘gi¸simlerle ger¸cek yailile¸sek. g¨osterilmi¸ هم بزنید. Ayrıca SLR y¨ontemi i¸cin ¨onerdi˘gimiz sezgisel y¨ontem ile, farklı ¨ulkel erdeki m¨uzik zevkindeki ¨onemli de˘gi¸sikliklerin zamanı hakkında bize ipu¸clarum yaklarık. هیزلی بیر ¸sekilde ula¸sılabilmi¸ هم بزنید. سون اولارک، ¸calı¸sma ile yaptı˘gımız ¸cıkarımlar، m¨uzik end¨ustrisinin b¨uy¨umesine yardımcı olabilinecei˘gini ve m¨uzik zevki de˘gi¸ sikli-klerin soults. y¨onlerini ke¸sfetmek i¸cin antropolo jik alanlara katkıda bulunabilinece˘gini g¨ostermi¸ هم بزنید.

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

یک مدل طولی قوی برای محبوبیت آهنگ: یک مطالعه بین فرهنگی

نویسنده چیمن، احمد جان

تاریخ انتشار 2021-08-16

نوع سند

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شماره ثبت 30eb3d1d-c0f0-4b3f-ae52-c38a7f25e123

محل کتابخانه گروه مهندسی صنایع

تاریخ 2021-08-16

متن نمونه استفاده از نسل جدید پلتفرم های پخش موسیقی مانند Spotify و Apple Music در سال های گذشته به سرعت افزایش یافته است. درک ترجیحات موسیقی پایه کاربر برای این شرکت‌ها ارزشمند است و باعث رضایت بیشتر مشتری می‌شود. در این مطالعه، ما چندین مدل آماری را برای تعیین کمیت اثرات عوامل مختلف بر محبوبیت موسیقی با استفاده از ویژگی‌های آکوستیک و مرتبط با هنرمند، توسعه و مقایسه می‌کنیم. ما نتایج سه کشور را با هم مقایسه می‌کنیم تا بفهمیم آیا تفاوت‌های فرهنگی در میزان تأثیر هر یک از این عوامل بر محبوبیت آهنگ وجود دارد یا خیر. برای مقایسه نتایج، از 200 نمودار برتر هفتگی و ویژگی های صوتی آهنگ ها به عنوان منابع داده استفاده می کنیم. علاوه بر ویژگی‌های صوتی، شباهت صوتی، ژانر، ویژگی‌های جدید بودن آهنگ را به مجموعه داده اضافه می‌کنیم. ما روش حداقل مربعات انعطاف‌پذیر (FLS) را اعمال کردیم و روش‌های رگرسیون خطی گام به گام بهینه (SLR) را برای و مشاهده ضرایب رگرسیون متغیر با زمان توسعه دادیم. ما همچنین یک الگوریتم ابتکاری مبتنی بر درخت رگرسیون را برای حل مشکل SLR در یک زمان معقول پیشنهاد می‌کنیم. روش FLS سعی می کند تا حد امکان اختلاف ضرایب هفته های مجاور را کوچک نگه دارد. از سوی دیگر، SLR تغییرات بین ضرایب هفته‌های متوالی را کنترل نمی‌کند، با این حال، تنها به تعداد محدودی از تغییرات ضریب در طول زمان اجازه می‌دهد. ضرایبی که از روش FLS بدست می آوریم نشان می دهد که می توانیم تغییرات عواملی را که بر عادات گوش دادن به موسیقی تأثیر می گذارند پیگیری کنیم و رویدادهای زندگی واقعی را با این تغییرات مرتبط کنیم. علاوه بر این، ما برای روش SLR پیشنهاد می کنیم، می توانیم به سرعت به راه حل های نزدیک به بهینه دست یابیم که سرنخ هایی در مورد زمان تغییرات قابل توجه در طعم موسیقی در کشورهای مختلف به ما می دهد. در نهایت، استنباط‌هایی که از این مطالعه انجام دادیم ممکن است به رشد صنعت موسیقی کمک کند و به زمینه‌های انسان‌شناسی برای کشف جنبه‌های اجتماعی-فرهنگی/سیاسی تغییرات ذائقه موسیقی کمک کند. Kullanıcı tabanının m¨uzik tercihlerini anlamak bu firmalar i¸cin de˘gerlidir ve bu da daha y¨uksek m¨u¸steri memnuniyeti anlamına gelmektedir. Bu ¸calı¸smada, akustik ¨ozellikleri ve Sanat¸cılar ile ilgili ¨ozellikleri kullanarak farklı fakt¨orlerin m¨uzik pop¨ularitesi ¨uzerindeki etkilerini ¨ol¸cmek i¸sitli ¸statils ve kar¸sıla¸stırılmı¸stır. Bu fakt¨orlerin her birinin ¸sarkı pop¨ulerli˘gini ne kadar etkiledi˘gi konusunda herhangi bir k¨ult¨urel farklılık olup olmadı˘gını anla mak i¸cin ¨u¸c ¨ulkeden solde edilar kar¸sıla¸stırılmı¸stır. Sonu¸cları kar¸sıla¸stırmak i¸cin veri kayna˘gı olarak haftalık ilk 200 ¸sarkı listesi ve ¸sarkıların akustik ¨ozellikleri kullanılmı¸stır. آکوستیک ¨ozelliklerin یانی سیرا akustik benzerlik، t¨ur، ¸sarkı g¨uncelli˘gi ¨ozelliklerini de veri setine eklenmi¸stir. Bu ¸calı¸smada، zamanla de˘gi¸sen regresyon kat sayılarını g¨ozlemlemek i¸cin Esnek En K¨u¸c¨uk Kareler (FLS) و Optimal A¸samalı Linear Regresyon (SLR) y¨ontemleri¸ırıgulan. Ayrıca SLR problemini makul bir s¨urede ¸c¨ozmek i¸cin regresyon a˘gacı tabanlı bir sezgisel algoritma ¨onerilmi¸stir. FLS y¨ontemi، ardı¸sık haftaların katsayı farklarını m¨umk¨un oldu˘gunca k¨u¸c¨uk tutmaya ¸calı¸sır. اوته ¨ یاندان، اس ال آر آردی¸سیک هفتا کاتساییلاری آراسینداکی د˘گی¸سیمی کنترل اتمز، انجاک زا من ای¸سینده یالنیزکا سینیرلی سائیدا کاتسایی د˘گی¸سیکلی جیینه ایزین ویر. FLS y¨onteminden elde etti˘gimiz katsayılar, m¨uzik dinleme alı¸skanlı˘gını etkileyen fakt¨orlerin de˘gi¸simini takip edilebildi˘gini ve bu de˘gi¸simlerle ger¸cek yailile¸sek. g¨osterilmi¸ هم بزنید. Ayrıca SLR y¨ontemi i¸cin ¨onerdi˘gimiz sezgisel y¨ontem ile, farklı ¨ulkel erdeki m¨uzik zevkindeki ¨onemli de˘gi¸sikliklerin zamanı hakkında bize ipu¸clarum yaklarık. هیزلی بیر ¸sekilde ula¸sılabilmi¸ هم بزنید. سون اولارک، ¸calı¸sma ile yaptı˘gımız ¸cıkarımlar، m¨uzik end¨ustrisinin b¨uy¨umesine yardımcı olabilinecei˘gini ve m¨uzik zevki de˘gi¸ sikli-klerin soults. y¨onlerini ke¸sfetmek i¸cin antropolo jik alanlara katkıda bulunabilinece˘gini g¨ostermi¸ هم بزنید.