10.3969/j.issn.1007-130X.2018.09.024
基于时间序列的音乐流行趋势预测研究
在大数据环境下,对音乐及听众的历史数据进行分析,可以实现对音乐流行趋势较为准确的预测.在STL、Holt-Winters分解模型的基础上,提出TSMP算法.该算法从长期趋势和周期两方面进行分析,对长期趋势编码和分类并基于类别最优值选择法对音乐流行趋势进行预测.基于TSMP算法,进而提出E-TSMP算法,该算法基于子序列模式匹配法及对近期发布新专辑的附加处理,实现更精准的预测.在清华大学和阿里云天池大数据竞赛平台承办的“2016中国高校计算机大赛——大数据挑战赛之阿里音乐流行趋势预测”比赛中,参赛团队凭借提出的E-TSMP算法对2016年9月~10月艺人的播放量实现了较好的预测,并在此次比赛中夺得亚军.
时间序列、音乐流行趋势、类别最优值选择、子序列模式匹配
40
TP301(计算技术、计算机技术)
国家自然科学基金41271387;中央高校基本科研业务费项目GK201703055
2018-10-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
1703-1709