学术研究报告：《Spotify Data Analysis and Song Popularity Prediction》

一、作者与发表信息

本研究的作者包括：
- Sivasai Bhavanasi、Sahil Malla、V Manichetan、CVNJ Dhanush（均为印度维萨卡帕特南甘地技术大学计算机科学与工程系学生）
- Dr. B Prakash（印度维萨卡帕特南甘地技术大学计算机科学与工程系副教授）

该研究发表于 International Journal of Advances in Engineering and Management (IJAEM)，2023年5月第5卷第5期（pp. 296-304），DOI: 10.³⁵⁶²⁹⁄₅₂₅₂-0505296304，期刊影响因子6.18，ISO 9001:2008认证。

二、学术背景

1. 研究领域

本研究属于音乐信息检索（Music Information Retrieval, MIR）与机器学习（Machine Learning, ML）的交叉领域，重点探讨如何通过音频特征预测歌曲的流行度。

2. 研究动机

在数字音乐时代，Spotify等流媒体平台积累了海量用户数据，但如何从音频特征中挖掘影响歌曲成功的因素仍是一个开放问题。音乐产业（如唱片公司、独立音乐人）需要科学方法预测新歌的市场表现，以优化投资和推广策略。

3. 研究目标

• 分析Spotify歌曲的音频特征（如节奏、能量、响度等）与流行度的关联性。
  
• 通过机器学习模型（如随机森林、梯度提升等）预测歌曲的流行度。
  
• 为音乐行业提供数据驱动的决策支持，例如推荐系统优化、市场趋势分析。
  

三、研究方法与流程

1. 数据集

研究使用了Spotify提供的30,000首歌曲数据，包含以下特征：
- 基础信息：歌曲ID、名称、艺术家、专辑、发行日期等。
- 音频特征：舞蹈性（danceability）、能量（energy）、调性（key）、响度（loudness）、语音度（speechiness）、乐器度（instrumentalness）、现场感（liveness）、情感效价（valence）、速度（tempo）、时长（duration_ms）等。

2. 数据预处理

• 缺失值处理：采用前后填充法（backward and forward fill）处理约150个缺失值。
  
• 去重：剔除重复数据以确保分析准确性。
  

3. 数据分析方法

(1) 特征重要性分析

使用Lasso回归（Lasso Regression）（α=0.6）筛选对流行度影响最小的特征，发现以下特征贡献较低：
- 调性（key）、调式（mode）、语音度（speechiness）、情感效价（valence）、速度（tempo）。
- 训练集MSE（均方误差）：10.32，测试集MSE：11.21，表明模型表现一般。

(2) 歌曲时长与流行度的关联

• Lasso回归显示，时长（duration_ms）与流行度呈负相关（系数=-3.53）。
  
• MSE=110.32，R²=7.9，表明模型预测能力有限，残差图显示非线性关系。
  

(3) 流派与流行度分析

• 高频流派：流行（pop）、摇滚（rock）、嘻哈（hip-hop）。
  
• 最受欢迎的流派：流行（pop）、电子（electronic）。
  

4. 机器学习模型

研究对比了以下5种模型的预测效果（70%训练集，30%测试集）：

决策树分类器表现最佳，准确率达93.1%，适用于音乐流行度预测。

四、主要研究结果

1. 关键影响特征：

   • 正向影响：响度（loudness）、声学性（acousticness）、情感效价（valence）。
     
   • 负向影响：时长（duration_ms）、能量（energy）、乐器度（instrumentalness）。
     

2. 流派趋势：流行（pop）、电子（electronic）类歌曲更易成功。

3. 最佳预测模型：决策树分类器（93.1%准确率），优于随机森林（85.2%）、XGBoost（89.9%）等。

五、研究结论与价值

1. 科学价值

• 揭示了音频特征与歌曲流行度的定量关系，为音乐信息检索提供新方法。
  
• 验证了决策树模型在音乐流行度预测中的优越性。
  

2. 应用价值

• 音乐流媒体平台：优化推荐算法，提升用户体验。
  
• 唱片公司：数据驱动的艺人签约与歌曲推广策略。
  
• 独立音乐人：调整创作方向（如缩短时长、增强响度）。
  

六、研究亮点

1. 大规模数据分析：30,000首Spotify歌曲，涵盖多样化音频特征。
   
2. 多模型对比：首次系统比较5种机器学习算法在音乐预测中的表现。
   
3. 实用性强：可直接应用于音乐产业，如热门歌曲预测、市场趋势分析。
   

七、未来研究方向

• 结合深度学习（如LSTM）分析时序数据（如用户播放行为）。
  
• 探索歌词语义分析对流行度的影响（现有研究显示歌词特征贡献有限）。
  
• 扩展数据集（如Billboard榜单数据），提高模型泛化能力。
  

本研究为音乐产业提供了数据驱动的决策工具，并推动了计算音乐学（Computational Musicology）的发展。