Использование методов машинного обучения для анализа данных на музыкальных платформах

На сегодняшний день музыкальные стриминговые платформы (сервисы) стали самым популярным методом прослушивания музыки. Стриминговые сервисы предлагают потребителям неограниченный доступ к большим каталогам музыки. Развитие технологии потоковой передачи музыки дало возможность каждому исполнителю быть независимым и выпускать музыку без чьей-либо поддержки. Сервисы потоковой передачи музыки дают возможность слушателям открывать для себя новых исполнителей, а артистам – быть замеченными. Так как сервисы потоковой передачи музыки являются основной площадкой для предоставления доступа к песням, каждый исполнитель хочет донести свой музыкальный продукт до большего количества слушателей и сделать его популярным. Проведенный в данной работе анализ технических характеристик, предоставляемых стриминговой платформой, показал, какие значения параметров преобладают среди самых популярных песен на этом стриминговом сервисе, а созданная с использованием метода машинного обучения предиктивная модель позволяет предсказывать значение популярности песни на сервисе. Таким образом, комбинация полученных на основе анализа рекомендаций с полученной предиктивной моделью позволит артистам предугадывать значение популярности их музыкальной композиции, а также находить сочетания технических характеристик песни, которые принесут песне больший успех на стриминговой платформе.