2021美赛建模 『D题音乐思路』

针对第一题∶

第一题需要创建音乐影响力的（多个）定向网络，确定’music influence’指标，可以利用有向图的零-非零模式矩阵（有联系就是1，画散点图）。

针对第二题∶

需要使用FULL_MUSIC_DATA和/或音乐特征的两个汇总数据集，来开发音乐相似性度量模型，对于类间相似度，也可以参考"定向性信息分析"，类似对文本进行的K.Means聚类模型，也可以具体看看划分式聚类算法、层次聚类算法、基于密度的聚类算法、基与网格的聚类算法。

针对第三题∶

首先需要给出流派的区别是什么，而后比较流派之间和流派内部的相似之处和影响，分析流派是如何随着时间的推移而变化的，以及流派间的关联，可以通过类内和类问距离的主成分分析算法，改善高维数据的降维结果，提高数据低维表示的判别能力。

针对第四题∶

根据数据集分析影响的方面具体是什么，是影响艺术家的艺术作品特征还是影响艺术家的角色扮演。可以参考指标选择对聚类分析的结果影响分析

针对第五题∶

即分析网络里节点的重要性研究。

针对第六题∶

基于确定的流派，分析流派随着时间发生的音乐演变的影响过程，揭示动态影响者的指标，主要是基于第五题的跟进分析。

针对第七题∶

跨学科分析问题，基于前面几题的数据结合实际情况具体文字分析，也可以建立数学模型。

考虑的细节因素∶

音乐特点∶

• 舞蹈性（节奏、节奏稳定性、拍子力度、整体规律性，0不适合跳舞，1适合跳舞）
• 音乐的能量（强度和活动的量度，0.0是强度最小的值，1.0是强度最大的值）
• 效价（描述音轨所传达的乐感的一种量度，0.0是最负的值，1.0是最正的值，高效价音轨听起来更积极）
• 节奏（在每分钟节拍的轨道的总体估计速度，直接来源于平均拍子持续时间）
• 响度（音轨的整体响度，单位为分贝）
• 调式（大调用1表示，小调用0表示）
• 关键（估计的整体关键的轨道，如0=C、1=C，如果未检测到键值，则键值为- 1)。

类型的声音

• 音色（1.0代表音轨的高度置信度）
• 工具性∶ 预测音轨中是否没有人声。“Ooh"和"aah"的声音在这个语境中被视为有用的。说唱或口语的音轨是明显的"声音”。工具性值越接近1.0，这首歌就越有可能不包含声乐内容。高于0.5的值表示工具性轨迹，但当值接近1.0时，置信度更高
• 活跃度∶ 检测轨道中是否有观众。较高的活度值表示实时执行跟踪的可能性增加。如果该值高于0.8，则表明该轨道很有可能是实时的。
• 语音∶检测语音轨迹中是否存在语音。越是专门的演讲一-比如录音（例如脱口秀、有声读物、诗歌），属性值越接近1.0。高于0.66的值表示可能完全由口语单词组成的音轨。0.33到0.66之间的值描述了既包含音乐又包含语言的音轨，可以是分段的，也可以是分层的，包括说唱音乐这样的情况。低于0.33的值很可能代表音乐和其他非语言类音轨。
• explicit∶检测明确的歌词在一个轨道（true（1）=是的;false（0）=不存在或未知）。（布尔）

描述∶

• 一duration_ms∶磁道持续时间，单位为毫秒。（整数）
• 人气∶该赛道的受欢迎程度。该值将在0到100之间，其中100是最常用的。流行度是通过算法来计算的，在很大程度上是基于这首歌的总播放次数以及这些播放的最近时间。一般来说，现在播放频率更高的歌曲会比过去播放频率更高的歌曲更受欢迎
• 重复的音轨（例如，来自一个单曲和专辑的相同的音轨）是独立评级的。艺术家和专辑的流行度是由歌曲的流行度计算出来的。（整数）
• year∶单曲发行的年份。（1921- 2020的整数）
• release_date∶音轨发布的日历日期，大多是yyy-mm-dd格式，但日期的精度可能会有所不同，有些只给出y。
• -song_title（审查）∶音轨的名称。（字符串）软件运行删除任何潜在的显式文字在歌曲的标题。
• -count∶在full_music_data.csv文件中表示某个艺术家的歌曲数量。（整数）