Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify)
Ζούμε σε μια εποχή όπου η τεχνολογία καθορίζει σε σημαντικό βαθμό τις ζωές των ανθρώπων . Από το σημαντικότερο έως και το πιο ανούσιο ζήτημα που μας απασχολεί, υπάρχουν εφαρμογές που μας δίνουν την απάντηση.Ακόμα και στις τέχνες , που ήταν ανέκαθεν ένας κλάδος “αποξενωμένος” από την τεχνολογία , αφ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/15587 |
| id |
nemertes-10889-15587 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Μουσικά χαρακτηριστικά Μηχανική μάθηση Μεταδεδομένα Μαζικά δεδομένα Συναισθηματική ανάλυση Κοινωνικά δίκτυα Εξόρυξη δεδομένων Τεχνητή νοημοσύνη Spotify Machine learning Big data Metadata Sentiment analysis Data mining Music elements Social networks |
| spellingShingle |
Μουσικά χαρακτηριστικά Μηχανική μάθηση Μεταδεδομένα Μαζικά δεδομένα Συναισθηματική ανάλυση Κοινωνικά δίκτυα Εξόρυξη δεδομένων Τεχνητή νοημοσύνη Spotify Machine learning Big data Metadata Sentiment analysis Data mining Music elements Social networks Σμπούκης, Αθανάσιος Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) |
| description |
Ζούμε σε μια εποχή όπου η τεχνολογία καθορίζει σε σημαντικό βαθμό τις ζωές των ανθρώπων . Από το σημαντικότερο έως και το πιο ανούσιο ζήτημα που μας απασχολεί, υπάρχουν εφαρμογές που μας δίνουν την απάντηση.Ακόμα και στις τέχνες , που ήταν ανέκαθεν ένας κλάδος “αποξενωμένος” από την τεχνολογία , αφού οι καλλιτέχνες δημιουργούσαν τα κομμάτια με τη φαντασία τους και τις μουσικές τους ικανότητες, βλέπουμε πλέον αυτοματοποιημένα προγράμματα και εφαρμογές τεχνητής νοημοσύνης να κυριαρχούν της βιομηχανίας.
Στην διπλωματική αυτή εργασία ,γίνεται μελέτη τών συστατικών στοιχείων των κορυφαίων μουσικών κομματιών και αναλύονται οι παράγοντες που συμβάλλουν σε αυτό και η αλληλεπίδραση του κοινού στα κομμάτια αυτά αντίστοιχα.
Συνοψίζοντας τα παραπάνω δημιουργήθηκε ένας αλγόριθμος που θα προβλέπει ,άν ένα μουσικό κομμάτι μπορεί να γίνει δημοφιλές -και σε τι κλίμακα.Σκοπός αυτής της έρευνας είναι να προσφέρει ένα αποτελεσματικό εργαλείο, που θα επιτρέψει στους καλλιτέχνες να αποκτήσουν στοχευμένη γνώση σχετικά με την τεχνογνωσία που χρησιμοποιούν οι κορυφαίοι του είδους , όπως και τις διαρκώς μεταβαλλόμενες προτιμήσεις του κόσμου.Το αντικείμενο της εργασίας εστιάζει στην κατασκευή ενός μοντέλου που θα ενισχύσει σημαντικά επαγγελματίες , ερασιτέχνες, ακόμα και εταιρείες/οργανισμούς της μουσικής βιομηχανίας, οι οποίοι είτε δεν έχουν την οικονομική ευχέρεια να δαπανήσουν σημαντικά ποσά για την πρόσληψη επιστημόνων υπολογιστών και στατιστικής ,είτε είναι νεοσύστατοι και έχουν έλλειψη εμπειρίας με συνέπεια να μην πετυχάινουν την αναγνώριση και τους στόχους που επιδιώκουν . Συνεπώς, η προτεινόμενη προσέγγιση παρέχει έναν αυτοματοποιημένο τρόπο για τη μοντελοποίηση της “συνταγής της επιτυχίας” των κορυφαίων καλλιτεχνών σε συνδυασμό με τη μελέτη των παραμέτρων που επηρρεάζουν την άποψη της κοινής γνώμης σχετικά με την αποδοχή των κομματιών και των επιτυχιών.
Στην διπλωματική αυτή εργασία , στόχος μου είναι να παρατηρήσω τα συστατικά στοιχεία των κομματιών που κάνουν θραύση και να αναλύσω με τη βοήθεια γνωστικών πεδίων που κατέχω , τους λόγους για τους οποιους συμβαίνει αυτό , το πως αλληλεπιδρά το κοινό στα κομμάτια αυτά αντίστοιχα, μα κυριότερο από όλα , να δημιουργήσω έναν αλγόριθμο που θα προβλέπει συνδυάζοντας όλα τα παραπάνω, άν ένα μουσικό κομμάτι μπορεί να γίνει δημοφιλές -και σε τι κλίμακα.
|
| author2 |
Smpoukis, Athanasios |
| author_facet |
Smpoukis, Athanasios Σμπούκης, Αθανάσιος |
| author |
Σμπούκης, Αθανάσιος |
| author_sort |
Σμπούκης, Αθανάσιος |
| title |
Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) |
| title_short |
Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) |
| title_full |
Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) |
| title_fullStr |
Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) |
| title_full_unstemmed |
Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) |
| title_sort |
δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/15587 |
| work_keys_str_mv |
AT smpoukēsathanasios dēmiourgiamontelouproblepsēsepitychiastragoudiōnmesōsynaisthēmatikēsanalysēschrēstōnstakoinōnikadiktyatwitterkaianalysēsmousikōnmetadedomenōnspotify AT smpoukēsathanasios predictingthesuccessofsongsthroughsentimentanalysisonsocialnetworksandanalysisofmusicmetadata |
| _version_ |
1771297201503338496 |
| spelling |
nemertes-10889-155872022-09-05T11:17:04Z Δημιουργία μοντέλου πρόβλεψης επιτυχίας τραγουδιών μέσω συναισθηματικής ανάλυσης χρηστών στα κοινωνικά δίκτυα (twitter) και ανάλυσης μουσικών μεταδεδομένων (spotify) Predicting the success of songs through sentiment analysis on social networks and analysis of music metadata Σμπούκης, Αθανάσιος Smpoukis, Athanasios Μουσικά χαρακτηριστικά Μηχανική μάθηση Μεταδεδομένα Μαζικά δεδομένα Συναισθηματική ανάλυση Κοινωνικά δίκτυα Εξόρυξη δεδομένων Τεχνητή νοημοσύνη Spotify Twitter Machine learning Big data Metadata Sentiment analysis Data mining Music elements Social networks Ζούμε σε μια εποχή όπου η τεχνολογία καθορίζει σε σημαντικό βαθμό τις ζωές των ανθρώπων . Από το σημαντικότερο έως και το πιο ανούσιο ζήτημα που μας απασχολεί, υπάρχουν εφαρμογές που μας δίνουν την απάντηση.Ακόμα και στις τέχνες , που ήταν ανέκαθεν ένας κλάδος “αποξενωμένος” από την τεχνολογία , αφού οι καλλιτέχνες δημιουργούσαν τα κομμάτια με τη φαντασία τους και τις μουσικές τους ικανότητες, βλέπουμε πλέον αυτοματοποιημένα προγράμματα και εφαρμογές τεχνητής νοημοσύνης να κυριαρχούν της βιομηχανίας. Στην διπλωματική αυτή εργασία ,γίνεται μελέτη τών συστατικών στοιχείων των κορυφαίων μουσικών κομματιών και αναλύονται οι παράγοντες που συμβάλλουν σε αυτό και η αλληλεπίδραση του κοινού στα κομμάτια αυτά αντίστοιχα. Συνοψίζοντας τα παραπάνω δημιουργήθηκε ένας αλγόριθμος που θα προβλέπει ,άν ένα μουσικό κομμάτι μπορεί να γίνει δημοφιλές -και σε τι κλίμακα.Σκοπός αυτής της έρευνας είναι να προσφέρει ένα αποτελεσματικό εργαλείο, που θα επιτρέψει στους καλλιτέχνες να αποκτήσουν στοχευμένη γνώση σχετικά με την τεχνογνωσία που χρησιμοποιούν οι κορυφαίοι του είδους , όπως και τις διαρκώς μεταβαλλόμενες προτιμήσεις του κόσμου.Το αντικείμενο της εργασίας εστιάζει στην κατασκευή ενός μοντέλου που θα ενισχύσει σημαντικά επαγγελματίες , ερασιτέχνες, ακόμα και εταιρείες/οργανισμούς της μουσικής βιομηχανίας, οι οποίοι είτε δεν έχουν την οικονομική ευχέρεια να δαπανήσουν σημαντικά ποσά για την πρόσληψη επιστημόνων υπολογιστών και στατιστικής ,είτε είναι νεοσύστατοι και έχουν έλλειψη εμπειρίας με συνέπεια να μην πετυχάινουν την αναγνώριση και τους στόχους που επιδιώκουν . Συνεπώς, η προτεινόμενη προσέγγιση παρέχει έναν αυτοματοποιημένο τρόπο για τη μοντελοποίηση της “συνταγής της επιτυχίας” των κορυφαίων καλλιτεχνών σε συνδυασμό με τη μελέτη των παραμέτρων που επηρρεάζουν την άποψη της κοινής γνώμης σχετικά με την αποδοχή των κομματιών και των επιτυχιών. Στην διπλωματική αυτή εργασία , στόχος μου είναι να παρατηρήσω τα συστατικά στοιχεία των κομματιών που κάνουν θραύση και να αναλύσω με τη βοήθεια γνωστικών πεδίων που κατέχω , τους λόγους για τους οποιους συμβαίνει αυτό , το πως αλληλεπιδρά το κοινό στα κομμάτια αυτά αντίστοιχα, μα κυριότερο από όλα , να δημιουργήσω έναν αλγόριθμο που θα προβλέπει συνδυάζοντας όλα τα παραπάνω, άν ένα μουσικό κομμάτι μπορεί να γίνει δημοφιλές -και σε τι κλίμακα.
We live in an era where technology is a deciding factor in the life of humans.From the smallest to the biggest problem one can come across, applications that have a reply to this problem , can be easily found everywhere. Even in arts, a field “isolated” from technology, due to the reason that artists were creating their own music only based on their fantasy and musical skills, we can now observe that software and artificial intelligence apps that create music , dominate the industry. In this thesis, a study is being accomplished regarding the components of the top-tier tracks and the factors that led to their success. Summarizing all this data, a machine learning algorithm was created which predicts the success of a song and the scale of it.
Goal of this thesis is to offer an efficient tool that will allow the artist to gain targeted knowledge regarding the know-how of the top-end artists, and also the continuously altering preferences of the crowd. Subject of this thesis is a model that will reinforce artists, amateurs, and even corporations/organizations of the music industry that neither have the experience nor the sources to hire computer scientists or consultants, in order to acquire access to such information, leading to lack of knowledge on how to reach their desired aspirations. Thus, my approach provides an automated way concerning the modeling of the “success recipe” of the world class artists in combination with the parameters that affect the public about the popularity of musical songs. 2021-11-15T06:19:54Z 2021-11-15T06:19:54Z 2021-11-14 http://hdl.handle.net/10889/15587 gr application/pdf |
