一年里紅起來的歌曲也就那么幾首，流行音樂的風尚總在變化，想要在高度商品化的流行音樂市場里賺到錢，依賴音樂人個人的天分已經很難，如果能借助QQ音樂、百度音樂這類擁有大量用戶試聽及其他行為數據的平臺，分析出當下的流行元素，就可以創作出一些適合傳播的音樂。
先來看這類音樂平臺都有什么數據可以利用：

一、用戶行為及評分類型很多，學術上通常稱為顯式表達和隱式表達。包括用戶打分、頂踩、播放、完全播放、跳過、收藏、評論、分享、加入某個列表、刪除等等。這是用戶對音樂的正向或者負向反饋，通常的做法是將這些行為按不同權重映射到-1到1區間里做運算。
二、音樂自身的屬性類型可能更加復雜，要從聲音的物理屬性和音樂本身的文化屬性來說明。物理屬性：音色、音調、節奏等，就是聽起來是個什么樣子。普通用戶大概沒法理解什么叫做音樂調式調性，但是能區分嘈雜還是安靜、激昂還是舒緩，略有音樂知識的用戶還能分清樂器、曲風，甚至說得出編曲的特點，任何一個可以被區分出來的屬性都有可能是用戶喜歡的原因。文化屬性：這可能要從音樂所表達的情感來說，歌曲的歌詞是很明確的情感表達，用戶的評論是很明確的情感表達，與音樂經常一起出現的文字也是情感表達的參考，那些沒有歌詞的經典名作，已經有過無數人做出分析，是很好的樣本。另外，情感的表現方式也是要考慮的，比如憤怒是一種需要宣泄的情感，所以表達憤怒的音樂通常激昂喧鬧，但慷慨激昂的音樂不一定只是憤怒，這就是為什么搖滾樂一直被誤解為是一種很吵的音樂，其實它只是情感表達直接而已。有些不太方便歸類的信息（可以稱之為meta信息）：作曲人、作詞人、編曲人、演唱者、演奏者等等

三、音樂與用戶的結合上面兩點是將音樂與用戶獨立來看的，還有些數據是兩者關聯產生的。比如音樂經常被使用的場景，音樂經常被播放的時間和地域地點。

準備好了這些數據原料，有過機器學習經驗的人大概會想，將這些數據作為訓練集，加上播放次數作為參考，就能預測出哪些音樂可能受到歡迎，確實是這樣，但是還不至于能用來指導音樂創作，有經驗的樂評人的意見可能更加準確且成本更低。

音樂是一種有效期適中的信息類型，相比電影或名著而言，它失效得快，但不至于像新聞和微博一樣快，所以音樂的流行程度決定于自身特征，又容易受到社會風潮的影響。因此數據要支持音樂創作，首先要預測社會風潮（也就是社會中充斥的某種情感），確定這種風潮下會流行的音樂特點，然后才是“組裝”一些合適的音樂（只是提高了流行的可能性），通過渠道（大平臺會自己簽藝人和歌曲嗎？）去推廣。

最后分享一篇夏一跳同學的文字《如何創作一首神曲》，看完應該會會心一笑，機器學習和神經網絡技術已經可以創作宋詞，創作流行神曲的日子也不遠了吧。

碎語中午吃飯前想到了這個點，于是記錄下來。這里講的音樂創作是指作為商品的音樂，是功利的，它不應該只是商品，更應該是人們與自己與外界交流的方式，有太多追求理想的音樂人在“玩”音樂，我敬仰他們。

我盡量不使用“大數據”這個詞，因為我沒有看過任何一本“大數據”的書，實在不知多大算大數據

總結

以上是生活随笔為你收集整理的用数据挖掘来支持音乐创作的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。