利用音频与流媒体特征预测Spotify榜单成功
声音
2025-08-19 v1 音频与语音处理
摘要
Spotify流媒体榜单为音乐流行度提供了实时视角，推动发现、播放列表甚至收入潜力。理解什么因素影响了歌曲在这些榜单上的排名上升——尤其是在早期——可以指导营销工作、投资决策，甚至艺术方向。在本项目中，我们开发了一个分类流水线，根据歌曲的音乐特征和早期互动数据预测其榜单成功。利用全部2024年美国Spotify每日Top 200榜单和Spotify Web API，我们构建了一个包含14,639首独特歌曲的元数据和音频特征数据集。项目分为两个阶段。第一阶段，我们基准测试了四种模型：逻辑回归、K近邻、随机森林和XGBoost——使用标准训练-测试划分。第二阶段，我们引入了交叉验证、超参数调优和详细的类别级评估以确保鲁棒性。树模型始终优于其余模型，随机森林和XGBoost取得了接近0.95的宏F1分数和约97%的准确率。即使在排除播放次数和排名历史的情况下，仅基于音频属性训练的模型仍保留了预测能力。这些发现验证了音频建模在A&R scouting、播放列表优化和热门歌曲预测中的潜力——远早于曲目达到临界质量。
引用
@article{arxiv.2508.11632,
title = {Prediction of Spotify Chart Success Using Audio and Streaming Features},
author = {Ian Jacob Cabansag and Paul Ntegeka},
journal= {arXiv preprint arXiv:2508.11632},
year = {2025}
}