2021美赛D题“音乐的问题”赛题分析

原题

重点：

集成集体音乐（ICM）协会确定了您的团队，以开发一种衡量音乐影响力的模型。这个问题要求您检查艺术家和流派的进化和革命趋势。为此，ICM为您的团队提供了一些数据集：

1)“influence_data”1代表艺术家自己报告的音乐影响者和追随者，以及行业专家的意见。这些数据包含过去90年中5,854位艺术家的影响者和关注者。

2)“full_music_data”2提供了16个变量项，包括音乐特征（如舞蹈性，速度，响度和调子），以及98,340首歌曲中的每一个的artist_name和artist_id。这些数据用于创建两个摘要数据集，包括：a.艺术家“data_by_artist”的平均值，b.表示跨年“data_by_year”

注意：这些文件中提供的数据是较大数据集的子集。这些文件包含您应为该问题使用的唯一数据。

为了执行这个具有挑战性的项目，ICM协会要求您的团队通过以下措施，通过音乐艺术家随时间的影响来探索音乐的发展：

• 使用Impact_data数据集或其中的一部分来创建音乐影响力的（多个）定向网络，将影响者连接到追随者。开发可捕获此网络中“音乐影响力”的参数。通过创建定向影响者网络的子网来探索音乐影响力的子集。描述此子网。您的“音乐影响力”措施在此子网络中体现了什么？
  

• 使用音乐特征的full_music_data和/或两个摘要数据集（包括艺术家和年份）来制定音乐相似度的度量。使用您的度量，流派的艺术家是否比流派的艺术家更相似？

• 比较流派之间和流派之间的相似性和影响。什么是流派的区别，流派如何随时间变化？有些类型与其他类型有关吗？

• 指示data_influence数据集中报告的相似性数据是否表明所标识的影响者实际上在影响相应的艺术家。“影响者”实际上会影响追随者创作的音乐吗？是某些音乐特征比其他音乐特征更具“感染力”，或者它们在影响特定艺术家的音乐方面起着相似的作用？

• 从这些数据中确定是否存在可能标志着音乐发展中的革命（重大飞跃）的特征？在您的网络中，哪些艺术家代表着革命者（重大变革的影响者）？

• 分析一种类型音乐随时间变化的影响过程。您的团队能否确定能揭示动态影响者的指标，并解释流派或艺术家随时间的变化？

问题中心：

在音乐的进化过程中，各流派音乐家之间的互相影响会对音乐的变化方向产生关键性影响。本文我们建立模型分析音乐家之间的影响，衡量音乐间的相似度，揭示音乐随时间的变化，以及和社会，文化，历史方面的影响。

思路分析：

题目要求:

（1）根据附件数据influence_data，构建音乐人之间的定向网络模型，或许会根据不同的音乐派别划分成多个子图，进而做出描述性分析与可视化；构建影响力指标表示音乐人的影响程度，可以参考复杂网络、聚类思想中的有向加权度指标。

（2）根据附件数据full_music_data 探讨不同流派音乐内部的相似性，可以参考聚类有效性评价指标DB、DUNN等，关键问题是需要我们构建相似性指标。

（3）分析不同类别音乐人或音乐之间的类内相似性差异，这些差异随时间是如何变化的，不同类别的音乐人或派系之间是否存在交互（文化背景等因素所导致）。

（4）分析不同派系的音乐中，影响者到连接者之间的影响力（Q1指标）是否存在明显差异或共性，如7种音乐特性与5种人声特征之间的规律。

（5）从数据中找出重大变革时间点，确定这些时间点的历史背景，确定主要的特征以更有效地表示这些飞跃，找出相关巨大贡献的艺术家。

（6）分析不同类型音乐随时间变化的影响过程（内部音乐人互相影响、外部不同派系音乐之间的影响）。提出综合指标来表示这种影响随时间的变化模式。

（7）该小问较难，一种可行的建议是从音乐人的作品数据（歌曲名、歌词等）中提取文本信息，获取主题词汇来表示时间、环境特征。

（8）模型推广。进一步研究模型的运行模式，以适用于更丰富的音乐数据集等。

解题思路：

• 针对第一题∶

  第一题需要创建音乐影响力的（多个）定向网络，确定’music influence’指标，可以利用有向图的零-非零模式矩阵（有联系就是1，画散点图）。

• 针对第二题∶

  需要使用FULL_MUSIC_DATA和/或音乐特征的两个汇总数据集，来开发音乐相似性度量模型，对于类间相似度，也可以参考"定向性信息分析"，类似对文本进行的K.Means聚类模型，也可以具体看看划分式聚类算法、层次聚类算法、基于密度的聚类算法、基与网格的聚类算法。

• 针对第三题∶

  首先需要给出流派的区别是什么，而后比较流派之间和流派内部的相似之处和影响，分析流派是如何随着时间的推移而变化的，以及流派间的关联，可以通过类内和类问距离的主成分分析算法，改善高维数据的降维结果，提高数据低维表示的判别能力。

• 针对第四题∶

  根据数据集分析影响的方面具体是什么，是影响艺术家的艺术作品特征还是影响艺术家的角色扮演。可以参考指标选择对聚类分析的结果影响分析

• 针对第五题∶

  即分析网络里节点的重要性研究。

• 针对第六题∶

  基于确定的流派，分析流派随着时间发生的音乐演变的影响过程，揭示动态影响者的指标，主要是基于第五题的跟进分析。

• 针对第七题∶

  跨学科分析问题，基于前面几题的数据结合实际情况具体文字分析，也可以建立数学模型。

2023年MCM/ICM美国大学生数学建模竞赛正在报名中

保研加分、综测评奖

由于报名参加美赛的同学不具备Visa或国际支付方式，以及缺乏一定的参赛经验，为了更好的提升参赛者的获奖率，数模乐园继续推出2023年美赛辅助报名及证书打印并邮寄的服务。 2022年 通过数模乐园辅助报名中， 4支 队伍斩获2021 Outstanding Winner奖（其中一支获得SIAM Award冠名奖；另外3支获得Outstanding Winner奖），O奖获奖率同比增长 50% ，整体参赛获奖率达99.3%， 2021年 助力1支队伍获得 1万美元 奖学金。数模乐园已累计为 8.5万 多人以上同学完成了美赛辅助报名服务！已成为 国内最大的美赛辅助报名平台！

竞赛报名

或复制下方报名官网进行报名：http://www.nmmcm.org.cn/match_detail/23

进群领取历年美赛真题及培训资料，进群备注：学校+专业

通过数模乐园报名完成后，数模乐园会在工作时间内将报名成功的邮件发送至参赛队伍的队长邮箱里，（和你报名时间顺序有关系，报名日期越早，收到的邮件就越早，所以很多同学一开始没有很强的备赛意识，表示不是很急，结果报名的比较晚，但是还特别想快速的收到报名成功的邮件，这里要告诫一下这类同学，越到最后，报名的队伍就越多，所以为了避免造成报名拥堵及邮件接收延迟问题，强烈建议同学们需要提前完成报名工作，每年这类问题经常会有发生）邮件中包含2023年美赛参赛指南、数模乐园赠送的备赛大礼包以及518密训课程等内容。