Američki studenti razvili su model strojnog učenja koji gotovo pa ne promašuje kad treba odrediti je li neka pjesma bila uspješnica ili ne
Dva studenta Sveučilišta San Francisco odlučila su otkriti zašto neke pjesme postaju hitovi a druge ne, iako su naizgled međusobno nalik.
Podatke prikupljene sa streaming servisa Spotify ubacili su u četiri modela strojnog učenja kako bi predvidjeli hoće li neka pjesma postati hitom ili neće temeljem isključivo audio zapisa. Htjeli su doznati postoje li značajke koje sve ili bar većina uspješnih pjesama dijele.
PRIRUČNIK ZA SUTRAŠNJICU
Bez ovih 12 riječi i izraza teško ćete razumjeti tehnologiju budućnosti
Usredotočili su se na značajke poput tempa, tonaliteta, zvučili pjesma pozitivno ili negativno, može li se na nju plesati, koliko je glasna... U obradi podataka koristili su logističku regresiju, arhitekturu Random Forest i neuralne mreže, između ostalog.
Rezultate do kojih su četiri korištena modela došli testirali su pomoću povijesnih poddataka s Billboardove top ljestice Hot 100. Obrada podataka trajala je nekoliko tjedana.
Jedan od modela (Support Vector Machine) mogao je pogoditi hitove uz preciznost od 99,53 posto. Ostali modeli bili su manje uspješni, ali svejedno prilično precizni (iznad 85 posto).
U budućim istraživanjima nastojat će uključiti i druge čimbenike, poput prisutnosti na društvenim medijima, razine iskustva te utjecaja diskografske kuće, piše Popular Mechanics.
