Von: Steffens, Jochen via ak discourse
Datum: Sat, 2 Feb 2019
Betreff: [ak-discourse] Forschungskolloquium über Songanalysen mit Spotify-Audio-Features
Liebe Kollegen und Studierende, liebe Interessenten an Veranstaltungen am Fachgebiet Audiokommunikation,
einmal mehr möchte ich Sie zu unserem Forschungskolloquium am kommenden Dienstag, 05.02., um 16.15Uhr im Raum E-N 324 einladen. Diesmal haben wir wieder einen Gastvortrag, und zwar wird Antonio Talarico von der Firma Volareo in Amsterdam einen Vortrag zum Thema „Predictive analysis of streaming listens based on audio features “ vorstellen. Der Vortrag wird in englischer Sprache gehalten, und eine Kurzzusammenfassung darüber finden Sie am Ende dieser E-Mail.
Wir freuen uns diesmal wieder ganz besonders auf Ihr Kommen.
Herzliche Grüße und Ihnen allen ein schönes Restwochenende
Jochen Steffens
***
PD Dr. Jochen Steffens
Wissenschaftlicher Mitarbeiter
Fachgebiet Audiokommunikation (Sekr. EN-8)
Technische Universität Berlin
Einsteinufer 17c
10587 Berlin
Büro: +49 30 314 29161
The study touches upon the possibilities of using machine learning models to predict performance outcomes of a musical track under the Spotify environment. The first input is generated by the open Spotify API determining the ‘audio features’ of a track. Data points are based on the tracks’ rhythm: tatums, segments, beats, and bars, as well as emotional and perceptual features such as: danceability, energy, liveness, valence, mode, key, etc. The goal of the study is to find a pattern within the top 200 charting songs on Spotify for the past 2 years. I’ve used a linear regression algorithm, making sure that my model was cross-validated and the data points were tuned to generate a hierarchical coefficient upon variables. When fine-tuned the model gives us the fundamentals to believe that there’s explicit patterns and that those patterns can be predicted with a 71% accuracy.