有没有想过你的朋友如何影响你的音乐品味?在最近的一项研究中，复杂性科学中心(CSH)的研究人员证明，社交网络是预测歌曲未来流行度的有力指标。通过分析友谊和听歌习惯，他们将机器学习预测准确率提高了50%。

CSH的NiklasReisz表示：“我们的研究结果表明，社交因素在音乐传播中的重要性不亚于艺术家的名气或音乐流派的影响力。”通过使用有关听众社交网络的信息，以及预测热门歌曲的常用指标(例如艺术家的知名度和音乐流派的流行程度)，研究人员将预测热门歌曲的准确率从14%提高到了21%。这项研究发表在《科学报告》上，强调了社交关系在音乐趋势中的力量。

深入研究数据

CSH团队分析了音乐平台last.fm的数据，分析了270万用户、1000万首歌曲和3亿次播放。Reisz表示，由于用户可以互相成为好友并分享音乐偏好，研究人员可以匿名了解谁听了什么以及谁影响了谁。

研究人员在模型中使用了两个网络：一个网络描绘友谊，另一个网络捕捉影响动态——谁听了一首歌，谁跟着唱。CSH的StefanThurner解释说：“在这里，网络的节点也是人，但当一个人听了一首歌，不久之后另一个人第一次听了同一首歌，连接就产生了。”

通过研究一首新歌的前200次播放情况，他们预测了这首歌成为热门歌曲的可能性——热门歌曲的定义是成为last.fm上播放次数最多的歌曲前1%。

用户影响力

研究发现，一首歌曲的传播取决于其社交网络中的用户影响力。具有强大影响力和庞大且相互联系的朋友圈的个人会加速一首歌曲的流行。根据这项研究，有关社交网络和社会影响力动态的信息可以更准确地预测一首歌曲是否会流行。

“我们的研究结果还表明，影响力是双​​向的——影响朋友的人也会受到朋友的影响，”CSH研究员VitoServedio解释道。“通过这种方式，多层次的连锁反应可以在很短的时间内形成，一首歌可以很快传遍许多其他人，一开始只有少数人。”

音乐产业中的社会力量

预测热门歌曲对音乐行业至关重要，可以带来竞争优势。现有模型通常关注艺术家的名气和收听指标，但CSH的研究强调了被忽视的社会因素——音乐同质性，即朋友之间听类似音乐的倾向。“我们特别感兴趣的是，音乐同质性这一社会因素迄今为止很少受到关注——尽管音乐一直具有很强的社会性，”Reisz说。

瑟纳表示，这项研究量化了这种社会影响力，提供了超越音乐范畴的见解，涵盖了政治观点和气候变化态度等领域。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：