Fugu-MT 論文翻訳(概要): Hit Song Prediction Based on Early Adopter Data and Audio Features

論文の概要: Hit Song Prediction Based on Early Adopter Data and Audio Features

arxiv url: http://arxiv.org/abs/2010.09489v1
Date: Fri, 16 Oct 2020 06:42:40 GMT
ステータス: 処理完了
システム内更新日: 2022-10-06 22:23:55.970249
Title: Hit Song Prediction Based on Early Adopter Data and Audio Features
Title（参考訳）: アーリーアダプターデータとオーディオ特徴に基づくヒット歌予測
Authors: Dorien Herremans, Tom Bergmans
Abstract要約: 本研究は、楽曲のヒットポテンシャルを評価するための新たな戦略を提供する。音声データとソーシャルメディアの聴取行動を利用するモデルが多数開発された。その結果、トップ20のダンスヒットを予測した場合、アーリーアダプター動作に基づくモデルが良好に動作することがわかった。
参考スコア（独自算出の注目度）: 5.88864611435337
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Billions of USD are invested in new artists and songs by the music industry every year. This research provides a new strategy for assessing the hit potential of songs, which can help record companies support their investment decisions. A number of models were developed that use both audio data, and a novel feature based on social media listening behaviour. The results show that models based on early adopter behaviour perform well when predicting top 20 dance hits.
Abstract（参考訳）: 毎年何十億ものusdが音楽業界から新しいアーティストや楽曲に投資されている。この研究は、歌のヒットの可能性を評価するための新しい戦略を提供し、企業が投資決定を支援するのに役立つ。音声データとソーシャルメディアのリスニング行動に基づく新機能の両方を使用する多くのモデルが開発された。その結果、アーリーアダプターの行動に基づくモデルでは、トップ20のダンスヒットを予測できる。

関連論文リスト

Music Era Recognition Using Supervised Contrastive Learning and Artist Information [11.126020721501956]
音楽時代情報は、プレイリストの生成とレコメンデーションにとって重要な機能である。音声から年齢を予測するために,音声に基づくモデルを開発した。アーティスト情報が入手可能な場合には,マルチモーダル入力を受信するための音声モデルを拡張し,マルチモーダルコントラスト学習(MMC)と呼ばれるフレームワークを開発し,トレーニングを強化する。
論文参考訳（メタデータ） (2024-07-07T13:43:55Z)
MuPT: A Generative Symbolic Music Pretrained Transformer [73.47607237309258]
音楽の事前学習におけるLarge Language Models (LLM) の適用について検討する。生成過程の異なるトラックからの不整合対策に関連する課題に対処するために,SMT-ABC Notation(Synchronized Multi-Track ABC Notation)を提案する。私たちのコントリビューションには、最大8192個のトークンを処理可能な一連のモデルが含まれており、トレーニングセットの象徴的な音楽データの90%をカバーしています。
論文参考訳（メタデータ） (2024-04-09T15:35:52Z)
Beyond Beats: A Recipe to Song Popularity? A machine learning approach [2.6422127672474933]
本研究は,歌の人気予測における各種機械学習モデルの予測力について検討することを目的とする。楽曲の特徴と人気に対する影響を分析するために,通常最小方形(OLS)回帰分析を用いる。ランダムフォレストが最も効果的なモデルとして登場し、平均スコアに比べて予測精度が7.1%向上している。
論文参考訳（メタデータ） (2024-03-01T17:14:41Z)
MusicRL: Aligning Music Generation to Human Preferences [62.44903326718772]
MusicRLは人間のフィードバックによって微調整された最初の音楽生成システムである。ユーザに対してMusicLMをデプロイし,30,000対の選好からなる実質的なデータセットを収集する。人間のフィードバックを大規模に組み込んだ最初のテキスト-音楽モデルであるMusicRL-Uを訓練する。
論文参考訳（メタデータ） (2024-02-06T18:36:52Z)
Fairness Through Domain Awareness: Mitigating Popularity Bias For Music Discovery [56.77435520571752]
音楽発見と人気バイアスの本質的な関係について検討する。本稿では,グラフニューラルネットワーク(GNN)に基づくレコメンデータシステムにおいて,人気バイアスに対処する,ドメイン対応の個別フェアネスに基づくアプローチを提案する。我々のアプローチでは、個々の公正さを用いて、真実を聴く経験、すなわち2つの歌が似ているとすると、この類似性は彼らの表現に反映されるべきである。
論文参考訳（メタデータ） (2023-08-28T14:12:25Z)
MARBLE: Music Audio Representation Benchmark for Universal Evaluation [79.25065218663458]
我々は,UniversaL Evaluation(MARBLE)のための音楽音響表現ベンチマークを紹介する。音響、パフォーマンス、スコア、ハイレベルな記述を含む4つの階層レベルを持つ包括的分類を定義することで、様々な音楽情報検索(MIR)タスクのベンチマークを提供することを目的としている。次に、8つの公開データセット上の14のタスクに基づいて統一されたプロトコルを構築し、ベースラインとして音楽録音で開発されたすべてのオープンソース事前学習モデルの表現を公平かつ標準的に評価する。
論文参考訳（メタデータ） (2023-06-18T12:56:46Z)
RMSSinger: Realistic-Music-Score based Singing Voice Synthesis [56.51475521778443]
RMS-SVSは、異なる音符タイプでリアル音楽のスコアを与えられた高品質な歌声を生成することを目的としている。 RMS-SVS方式であるRMSSingerを提案する。 RMSSingerでは,時間を要する音素の持続時間アノテーションと複雑な音素レベルのメルノートアライメントを避けるために,単語レベルのモデリングを導入する。
論文参考訳（メタデータ） (2023-05-18T03:57:51Z)
An Analysis of Classification Approaches for Hit Song Prediction using Engineered Metadata Features with Lyrics and Audio Features [5.871032585001082]
本研究は,より代替的なメタデータを用いて,Billboard Hot 100曲のトップ10ヒット曲の予測結果を改善することを目的としている。 k-nearest、Naive Bayes、Random Forest、Logistic Regression、Multilayer Perceptronの5つの機械学習アプローチが適用される。その結果,Random Forest (RF) と Logistic Regression (LR) は,それぞれ89.1%,87.2%,0.91,0.93AUCを達成している。
論文参考訳（メタデータ） (2023-01-31T09:48:53Z)
SpotHitPy: A Study For ML-Based Song Hit Prediction Using Spotify [0.0]
私たちは18500曲近いヒット曲と非ヒット曲のデータセットを集めました。 Spotify Web APIを使って音声機能を抽出した。およそ86%の精度でBillboardの成功を予測できたのです。
論文参考訳（メタデータ） (2023-01-19T10:13:52Z)
Exploring the Efficacy of Pre-trained Checkpoints in Text-to-Music Generation Task [86.72661027591394]
テキスト記述から完全で意味論的に一貫したシンボリック音楽の楽譜を生成する。テキスト・音楽生成タスクにおける自然言語処理のための公開チェックポイントの有効性について検討する。実験結果から, BLEUスコアと編集距離の類似性において, 事前学習によるチェックポイントの使用による改善が統計的に有意であることが示唆された。
論文参考訳（メタデータ） (2022-11-21T07:19:17Z)
Predicting Afrobeats Hit Songs Using Spotify Data [0.0]
Spotify Web APIを通じて2063曲のデータセットが作成された。ランダムフォレストとグラディエントブースティングのアルゴリズムは、約86%のF1スコアで成功した。
論文参考訳（メタデータ） (2020-07-07T00:14:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。