2021美賽D題翻譯和思路
團隊為建模國一獲得者，有豐富建模經驗，因為需保證建模思路的完整性，更新較慢，怕被D、新號，
D題翻譯
D題思路
問題一：使用Impact_data資料集或其中的一部分來創建音樂影響力的（多個）定向網路，將影響者連接到追隨者，開發可捕獲此網路中“音樂影響力”的引數，通過創建定向影響者網路的子網來探索音樂影響力的子集，描述此子網，您的“音樂影響力”措施在此子網路中體現了什么？
針對此問題：對于音樂進行量化，其中影響因子有：天生的創造力，當前的社會或政治事件，使用新樂器或工具，或其他個人經歷，
除了給出的因素外，應當適當考慮其他因素，比如歷史潮流，年齡，音樂人的社會地位和在領域內的地位，藝術家所屬領域的熱門程度等，
為了確定藝術家的音樂影響力，而建立所需要的定向網路就是找出influence資料集中的影響者藝術家和追隨者藝術家之間的關聯程度，
思路如下：
1、對所有資料進行處理，找出準隨者和影響者的領域，匹配之后得到影響者和追隨者之間的從屬關系，
2、對于處理好的資料進行分析，利用資料對影響者影響的人數進行分析，統計人數，判斷出領域內的藝術家大師人數，在同一個領域，對于不同年份進行分析結果以圖表形式展示，
3、最后建立綜合評價模型，可以建立綜合評價模型，指標現在處理為：此藝術家的影響人數，所在領域人數，各個年份的影響人數，（統計藝術家所在領域此年份的所有人，然后根據影響人數進行排名），所在年份競爭力（這一年份的所有領域的藝術家總人數），
問題二：使用音樂特征的full_music_data和/或兩個摘要資料集（包括藝術家和年份）來制定音樂相似度的度量，使用您的度量，流派的藝術家是否比流派的藝術家更相似？
思路：要求建立音樂相似性度量模型，并判斷是否流派內的藝術家比流派間的藝術家更相似，
1、可以利用spss相關分析（比如因子分析之類的）探究各指標與受歡迎程度之間的相關關系，將相關性低的幾個指標剔除，或者利用主成分分析對資料進行降維，歌曲特征包括不限于結構、節奏或歌詞，
2、兩個音樂之間的相似程度，可以用皮爾遜相關系數或者spearman相關系數，用相關關系熱力圖展示，
掃碼獲取全部：
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/257060.html
標籤：其他