基于 Spotify 特征和音频波形频谱图的卷积神经网络预测音乐轨道流行度
声音
2025-05-13 v1 人工智能
摘要
在数字流媒体环境中，预测音乐轨道成功的任务日益受到关注。本研究引入一种创新方法，利用卷积神经网络（CNN）和 Spotify 数据分析来预测音乐轨道的流行度。我们的做法充分利用了 Spotify 的丰富特征，包括基于音频波形频谱图的声学属性、元数据以及用户参与度指标，以捕捉影响轨道流行度的复杂模式和关系。该研究使用覆盖various类型和人口统计特征的大型数据集，证明了基于 CNN 的模型在预测音乐轨道流行度方面具有显著的有效性。此外，我们进行了大量实验以评估模型在不同音乐风格和时期中的强度和适应性，结果令人振奋，达到了97%的F1分数。我们的研究不仅为理解数字音乐消费的动态格局提供了有价值的见解，也为音乐行业提供了先进的预测工具，以评估和预测音乐轨道的成功。
关键词
引用
@article{arxiv.2505.07280,
title = {Predicting Music Track Popularity by Convolutional Neural Networks on Spotify Features and Spectrogram of Audio Waveform},
author = {Navid Falah and Behnam Yousefimehr and Mehdi Ghatee},
journal= {arXiv preprint arXiv:2505.07280},
year = {2025}
}
备注
12 pages, 6 figures, 4 tables