机构名称：
¥ 1.0
识别热门歌曲是出了名的困难。传统上，人们从大型数据库中测量歌曲元素，以识别热门歌曲的歌词方面。我们采用了不同的方法，测量了流媒体音乐服务提供的一组歌曲的神经生理反应，以识别热门歌曲和失败歌曲。我们比较了几种统计方法，以检查每种技术的预测准确性。使用两个神经测量的线性统计模型识别热门歌曲的准确率为 69%。然后，我们创建了一个合成数据集，并应用集成机器学习来捕获神经数据中固有的非线性。该模型对热门歌曲的分类准确率为 97%。将机器学习应用于歌曲第 1 分钟的神经反应，准确率达到 82%，表明大脑可以快速识别热门音乐。我们的结果表明，将机器学习应用于神经数据可以大大提高难以预测的市场结果的分类准确性。
利用神经生理学和机器学习准确预测热门歌曲
主要关键词
相关文件推荐
