Is it the song and not the singer? Hit song prediction using structural features of melodies.
Klaus Frieler, Kelly Jakubowski, Daniel Müllensiefen · Hogrefe eBooks · 2015
Diese Untersuchung versucht, kommerziell erfolgreiche Popsongs von kommerziell weniger erfolgreichen Popsongs mit Hilfe struktureller Features ihrer Hauptgesangsmelodien zu unterscheiden. Zu diesem Zweck wurden 266 Popsongs anhand ihres Erfolgs in der britischen Hitparade durch k-means Clustering als „Hits" oder „Nicht-Hits" eingestuft. Darüber hinaus wurde mit Hilfe der Software MeloSpySuite ein umfassender Satz von 152 intrinsischen Features für die Hauptmelodien berechnet, die einen weiten Bereich struktureller Dimensionen (Tonhöhe, Intervalle, Rhythmus, Metrum etc.) abdecken. Diese Features wurden als unabhängige Variable für eine Random-Forest-Klassifikation benutzt; zudem wurde für j ede Variable ein Wilcoxon-Test berechnet, um die Klassifikationsergebnisse weiter zu stützen und zu beleuchten. Der Klassifikationserfolg war mit 52,6 % relativ gering und lag nur knapp über der Ratewahrscheinlichkeit. Die Ergebnisse der Wilcoxon-Tests entsprachen im Wesentlichen den Resultaten der Random-Forest-Prozedur. Interessanterweise beziehen sich die Variablen mit der höchsten Diskriminanzleistung alle auf den Intervallgehalt der Melodien. Ein zusätzlicher Klassifikationsbaum mit den wichtigsten Variablen der Random-Forest-Prozedur erreichte eine Klassifikationsgenauigkeit von 61 % mit einer einzelnen Variablen, die die Gleichverteiltheit von aufeinanderfolgen Paaren von Intervallrichtungen misst, und die für Hits größer war als für Nicht-Hits. Wir diskutieren mögliche Interpretationen unserer Ergebnisse und schlagen sich anschließende Forschungsvorhaben vor.