Достижения, которые вызывают смех, а затем – раздумья
Суточные колебания музыкальных предпочтений В разное время суток люди хотят от песен разного Питер Вууст (Peter Vuust) Исследование дает представление о наших повседневных привычках слушать. Ритм человеческой жизни определяется суточными циклами, направленными на максимальную биологическую пригодность. Сегодня большая часть прослушивания музыки происходит в потоковых онлайн-сервисах, позволяющих нам слушать то, что мы хотим, и когда мы этого хотим. Анализируя звуковые характеристики более 2 миллиардов событий потоковой передачи музыки, авторы обнаружили, что музыку, которую слушают люди, можно разделить на 5 отдельных временных блоков, соответствующих утру, полудню, вечеру, ночи и поздней ночи/раннему утру. Эти блоки следуют одному и тому же порядку в течение недели, но различаются по длине и времени начала при сравнении рабочих и выходных дней. Интегрируя искусственную нейронную сеть с API Spotify, получили представление о дневных предпочтениях в плейлистах. Результаты демонстрируют - музыка переплетается с повседневной жизнью, основные суточные закономерности влияют даже на музыкальные предпочтения. Чтобы определить суточные модели звуковых функций, авторы использовали набор данных сеансов потоковой передачи музыки (MSSD, music streaming sessions dataset) который находится в открытом доступе на CrowdAI. Набор данных содержит около 150 миллионов сеансов потоковой передачи до 20 треков за сеанс, при этом прослушивается в общей сложности около 3,7 миллиона уникальных треков. Извлекали треки, удаляли дубликаты, извлекали доступные звуковые функции с помощью API Spotify (танцевальность, энергия, громкость, речь, акустичность, инструментальность, живость, позитивность, темп). Из MSSD сохранили потоковую передачу событий (то есть воспроизведение трека), когда слушатель прослушивал большую часть трека, и с максимум одной операцией поиска вперед или назад. Это гарантировало, что анализировали только те музыкальные треки, которые действительно были прослушаны. Исключили потоковые события с отсутствующей или поврежденной информацией о дате и часе дня, в результате чего в набор данных было включено 2 026 529 205 событий потоковой передачи. Чтобы проанализировать, как звуковые функции меняются в зависимости от дня недели и часа дня, рассчитали среднее значение и стандартное отклонение для звуковых функций, разделенных на отдельные часы недели. Этот расчет выполнен с использованием Dask в Python v. 3.7.6. Для оценки повторяющихся шаблонов, использовали кластеризацию k-средних, чтобы разделить данные на k кластеров с минимальной дисперсией внутри кластера. После кластеризации проверили метку кластера для каждого уникального часа недели и обнаружили, что они демонстрируют последовательную взаимосвязь в течение 168 часов недели, что указывает на повторяющийся цикл кластеров, последовательно отслеживающих 24-часовой день. Полученные результаты. Суточные закономерности соответствуют пяти делениям дня. Утро (06.00), полдень (12.00), вечер (20.00), ночь (23.00) и поздняя ночь/раннее утро (04.00). Демонстрировались четкие суточные циклы для темпа, громкости и танцевальности. Громкость композиции увеличивается к концу утра, затем остается стабильной в течение большей части дня, а затем снижается к концу ночи. Темп и танцевальность демонстрируют разные закономерности: у обоих наступает полуденное затишье около 14.00, а затем достигает пика в ночное время. Утро характеризовалось увеличением громкости, живости и энергии, но со снижением темпа по сравнению с общим средним значением всех звуковых характеристик. Днем темп заметно увеличился, сила удара и танцевальность достигли средних значений. Самый высокий темп был обнаружен вечером, вместе с пиками силы удара и танцевальной способности. Ночью громкость и темп упали до минимальных значений. Поздняя ночь/раннее утро демонстрировали аналогичное распределение, но с увеличением энергии и позитивности по сравнению с ночью. В выходные дни длина вечернего подразделения увеличивалась, покрывая те части дня, которые обычно приходятся на ночь. Видно относительное увеличение темпа, силы ударов, танцевальности и подвижности, указывая на вечер, содержащий треки, связанные с танцами и вечеринками. Обученная нейронная сеть работала с точностью 97,16%. В разное время суток люди хотят от песен разного,- сообщил Оле Адриан Хеггли. Скорее всего, одни танцуют всю ночь напролет, а другие просто хотят спать. Оле Адриан Хеггли (Ole Adrian Heggli), Ян Ступахер (Jan Stupacher), Питер Вууст (Peter Vuust), Орхусский университет (Aarhus University), Дания, опубликовали труд "Суточные колебания музыкальных предпочтений", ROYAL SOCIETY PUBLISHING, 10 ноября 2021. (c)2010-2024 Шнобелевская премия ig-nobel@mail.ru |