万昭龙 芮晓芳 王 繁

（长安大学运输工程学院，陕西 西安 710064）

一、问题重述

音乐从一开始就是人类社会的一部分，是文化遗产的重要组成部分。为了理解音乐在人类集体经验中所扮演的角色，要求我们开发一种量化音乐进化的方法。当艺术家创作一段新的音乐时，有许多因素会影响他们，包括他们天生的创造力，当前的社会或政治事件，使用新乐器或工具，或其他个人经历等，通过量化，我们旨在了解和衡量之前制作的音乐对新音乐和音乐艺术家的影响。

问题一：创建音乐影响力的（多个）定向网络，其中影响者连接到追随者。开发参数来捕捉这个网络，通过创建定向影响者网络的子网络来探索音乐影响力的子集。并描述此子网，在这个子网络中揭示了什么？

问题二：使用音乐特征的汇总数据集（具有艺术家和年份）来开发音乐相似性度量模型。

二、模型假设

第一，同一个音乐家所写歌曲之间的相似度会较高。

第二，这个音乐家与受其影响者歌曲的相似度也会较高。

第三，这个音乐家与不受其影响者歌曲的相似度较低。

三、符号说明

表1 符号说明

四、模型的建立与求解

1. 数据的预处理

为了提高数据挖掘的质量，并为后续的模型建立提高数据支撑，数据预处理是必不可少的。数据预处理主要包括异常值和冗余数据的处理。首先，考虑到异常值的处理，本文使用python删除了Impact-Data数据集中的影响者名称和追随者名称中的异常名称（包括特殊符号），如表2所示，例如B9062：Édith Piaf。……