Διερέυνηση της προβλεπτικής ισχύος audio features στη μουσική δημοφιλία : διασύνδεση cloud-based Apache Cassandra και Apache Spark
Loading...
Date
2026-02-01
Authors
Μελάνης, Γεώργιος
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Η πρόβλεψη της εμπορικής επιτυχίας ενός μουσικού κομματιού αποτελεί κεντρική πρόκληση στη σύγχρονη μουσική βιομηχανία. Η παρούσα διπλωματική εργασία εστιάζει στην ανάπτυξη και αξιολόγηση μοντέλων μηχανικής μάθησης για την πρόβλεψη της δημοτικότητας τραγουδιών, βασιζόμενη κυρίως σε ηχητικά χαρακτηριστικά. Χρησιμοποιώντας το Track Popularity Dataset (TPD), υλοποιήθηκε μια cloud-native αρχιτεκτονική με DataStax Astra DB για την αποθήκευση και Apache PySpark για την κατανεμημένη επεξεργασία. Εξετάστηκαν αλγόριθμοι όπως η Γραμμική Παλινδρόμηση, οι μέθοδοι κανονικοποίησης Ridge και Lasso, και το Random Forest, σε συνδυασμό με τεχνικές προεπεξεργασίας όπως η επιλογή χαρακτηριστικών. Τα αποτελέσματα ανέδειξαν την ανωτερότητα των μη-γραμμικών μοντέλων. Η ανάλυση σημαντικότητας ανέδειξε τον κυρίαρχο ρόλο του ρυθμού και της χροιάς. Η έρευνα καταλήγει στο συμπέρασμα ότι, ενώ τα ηχητικά χαρακτηριστικά διαθέτουν σημαντική προγνωστική ισχύ, ένα μεγάλο μέρος της δημοτικότητας καθορίζεται από εξωγενείς παράγοντες.
Description
Keywords
Μουσική εμπορική επιτυχία, Δημοτικότητα τραγουδιών