解压乐团式符号在线社区：基于内容和网络的分析方法

本文通过结合基于内容的音乐分析与歌词的轻量级网络视角来考察音乐符号在线社区中是如何产生和传播的。使用包含275首登榜歌曲的精选语料库，语料库增强了音频描述符（能量、舞动性、音量、现场感、情感、声学性、言语性、流行度）和完整歌词文本。我们构建了一个可复现的管道，(i)量化声音特征的时间趋势，(ii)建模词汇显著性和共现，(iii)按风格剖析情绪。我们发现能量在一十年间下降（79→58），而舞动性上升（59→73）；情感在2013年达到峰值（63），2014-2016年下降至42，然后部分恢复。相关性分析显示，能量与音量强相关（r=0.74），而声学性与能量（r=-0.54）和音量（r=-0.51）呈负相关；舞动性与其他特征几乎正交（|r|<0.20）。歌词分词（>11.4万词）揭示了以代词为中心的词汇“我/你/我/我的”，以及以人际称呼为主导的稠密共现结构。情绪按风格差异明显：R&B情感均值最高（96），随后是K-Pop/流行（77）和独立/流行（70），而拉丁/雷鬼则较低（37），尽管舞动性很高。从亚文化身份的视角看，这些模式暗示了此前边缘化代码的主流化，以及对放松而富有节奏感的生产力的商业偏好，这些生产力能够维持集体参与，同时无需最大强度。方法论上，我们贡献了一个覆盖摘要统计、相关结构、词汇共现矩阵和按风格情绪剖析的集成MIR加网络工作流程，对模态稀疏性鲁棒，适用于社交感知推荐或社区层面扩散研究。