Análisis y aplicación de datos de redes sociales

Análisis y aplicación de datos de redes sociales

Según una encuesta reciente, el valor de mercado de los medios de Internet en los Estados Unidos ha alcanzado los 1.089 millones de dólares, tres veces más que el de los medios tradicionales. De manera similar, en China, según los datos básicos sobre la economía de Internet para el segundo trimestre de 2014 publicados por iResearch, al 30 de junio de 2014, las cinco principales empresas de Internet cotizadas en China por valor de mercado eran Tencent (USD 140,56). mil millones) y Baidu (65,45 mil millones de dólares), JD.com (38,97 mil millones de dólares), Qihoo 360 (12,09 mil millones de dólares), Vipshop (11,19 mil millones de dólares). Al mismo tiempo, las aplicaciones de redes sociales representadas por Facebook, Twitter, Weibo, WeChat, etc. están en auge, abriendo el concepto social de la era de Internet. Según el análisis de We Are Very Social Limited, la empresa consultora de comunicación en redes sociales más grande del mundo, el número de personas que utilizan software social ha alcanzado los 2.500 millones, lo que representa alrededor del 35% de la población total del mundo. Según el informe de 2014 publicado por. Los datos de citas comunitarias del segundo trimestre de iResearch muestran que en mayo de 2014, la cobertura mensual de los servicios de citas comunitarias alcanzó los 470 millones, con una tasa de penetración del 92,5% entre el total de usuarios de Internet; en mayo de 2014, la cobertura mensual de los servicios sociales en aplicaciones móviles fue; 190 millones de personas, entre las cuales el servicio Weibo tiene ventajas obvias en el lado móvil, con una cobertura mensual de 110 millones de personas. Los medios de Internet y las redes sociales son dos aplicaciones muy importantes en la era Web2.0, por lo que una pregunta natural es qué sucederá; a estos dos campos ¿Desarrollo interactivo? Este informe intenta principalmente explorar qué oportunidades y desafíos traerá la estructura de la red a los medios de Internet desde la perspectiva del análisis de datos (no financieros, no estratégicos). Específicamente, según nuestra propia experiencia de investigación, solo nos centramos en los siguientes aspectos: noticias, audio y video, y búsqueda. Según los datos básicos económicos de Internet de 2013 publicados por iResearch, los ingresos de estas tres partes representan el valor total del mercado. de las 20 principales empresas de Internet de China, el 32,16%, no se puede ignorar su importancia. Realizamos discusiones exploratorias a través de casos específicos y combinados con fronteras teóricas.

1. Recomendación de música

Según el "Informe anual del mercado de música en línea de China 2013", a finales de 2013, el número de usuarios de música en línea en mi país alcanzó los 450 millones. Entre ellos, el número de usuarios de música móvil aumentó de 96 millones en 2012 a 291 millones en 2013, con una tasa de crecimiento anual del 203%. Del rápido crecimiento en la escala de usuarios de música en línea, podemos ver que los servicios de transmisión de música contienen enormes oportunidades comerciales. En el extranjero, las ambiciones de los gigantes tecnológicos de competir en el mercado de la música también han comenzado a surgir. A principios de este año, Apple gastó 3.000 millones de dólares para comprar Beats Electronics y, posteriormente, Google adquirió el proveedor de servicios de música en streaming Songza.

La industria musical ocupa una posición importante en la era de los nuevos medios. Este informe se centra principalmente en el estado de desarrollo de los proveedores de servicios de música en línea (Kugou Music, QQ Music, Tiantian Dongting, etc.) en el entorno de Internet móvil y proporciona algunos de nuestros conocimientos sobre las recomendaciones musicales personalizadas actuales.

1.1 Recomendación musical y red social

Según datos del "Informe del mercado de aplicaciones de música móvil de China para el segundo trimestre de 2014" publicado por CNIT-Research, un conocido institución de investigación, en agosto, el ranking Las tres principales aplicaciones de música móvil son Kugou Music, QQ Music y Tiantian Dongting. Sus cuotas de mercado son: 20,1%, 17,0% y 15,8% respectivamente.

Kugou Music QQ Music Tiantian Dongting

Entre ellos, Kugou Music y Tiantian Dongting confían en su acumulación a largo plazo de recursos de usuario en el campo de la música en línea, calidad de sonido de alta calidad, La excelente interfaz de usuario y la experiencia de descarga perfecta ganan. QQ Music nació basándose principalmente en la poderosa herramienta social QQ, y se puede decir que es pionera en el campo de la "música social". A juzgar por los datos de música móvil en el segundo trimestre de 2014, QQ Music ha crecido rápidamente. La tasa de crecimiento de las descargas de los usuarios ha superado la tasa de crecimiento de la industria durante tres meses consecutivos, mientras que las tasas de crecimiento de Kugou Music y Tiantian Dongting son inferiores a las del mercado. tasa de crecimiento de la industria, la cuota de mercado de usuarios ha disminuido.

Según la encuesta del Sutu Research Institute sobre la visión de los usuarios de música móvil, el 58% de los usuarios espera mejorar la función de recomendación musical personalizada, lo que demuestra que muchos usuarios en realidad no saben lo que les gusta cuando escuchan música. Qué tipo de canciones, si la estación de música puede "adivinar" qué canciones le gustan al usuario en función de sus preferencias personales y recomendarlas, le brindará una experiencia inesperada y perfecta. Muchos programas de música actuales admiten la función de recomendación. Las siguientes son recomendaciones personalizadas y métodos de personalización de productos musicales comunes en el mercado de aplicaciones de música:

Kugou Music QQ Music is Beautiful Every Day

Según la investigación, los modelos de recomendación son principalmente dividido en los siguientes tipos: (1) Las recomendaciones de puntos calientes se pueden obtener a través de clasificaciones basadas en registros de búsqueda públicos, o las recomendaciones pueden basarse en eventos musicales y de entretenimiento recientes, como The Voice of China, I Am a Singer, etc. (2) Recomendaciones de registros basadas en las canciones que escuchan los usuarios, incluidos los gustos y disgustos del usuario para cada canción; (3) Recomendaciones basadas en información de ubicación geográfica combinada con los intereses del usuario; gustos. Sin embargo, ninguno de los modelos de recomendación anteriores puede utilizar plenamente la información de las redes sociales. En una era en la que las redes sociales son populares en todo el mundo, cada vez más proveedores de servicios de música han descubierto que las redes sociales pueden ayudar a las empresas a retener a más usuarios. Al mismo tiempo, aprovechar al máximo la información de las redes sociales brindará una experiencia más excelente y perfecta. experiencia de usuario. Se puede ver que tanto Kugou Music como Tiantian Dongting permiten a los usuarios usar cuentas de terceros (Weibo, QQ) para vincularse e iniciar sesión, y brindan opciones para compartir en Weibo, WeChat, etc., QQ Music tiene una "dinámica" especial; ", con Muestra música compartida por amigos. Además, tanto Kugou como QQ Music pueden recomendar amigos cercanos con intereses similares mediante el posicionamiento.

Kugou Music QQ Music Tiantian Dongting

Los hechos anteriores muestran que la música social tiene un enorme potencial y valor. Entonces, ¿hay empresas destacadas en este ámbito? Entre ellos, Last.fm en el Reino Unido y QQ Music en China pueden considerarse representantes a este respecto.

Last.fm QQ Music

Last.fm es el producto estrella del equipo de diseño del motor musical Audioscrobbler, con más de 15 millones de oyentes activos en 232 países. Adquirida por CBS Interactive por 280 millones de dólares en 2007, Last.fm es actualmente la plataforma social de música más grande del mundo. QQ Music es la plataforma de música en línea líder de China y un verdadero proveedor de servicios de música digital en el campo de Internet. Su participación en el mercado chino de música móvil se ubica entre los cuatro gigantes (los otros tres son Kugou, Tiantian Dongting y Kuwo), con usuarios activos mensuales. Ha alcanzado los 300 millones y es líder en el campo de la música social de China.

Tomando como ejemplo QQ Music, analizamos detalladamente sus ventajas y posibles desventajas en el uso de la información de las redes sociales para recomendaciones personalizadas. QQ Music se basa en la poderosa herramienta social QQ y ha sido amado durante mucho tiempo por la mayoría de los usuarios. Esto es inseparable de los cientos de millones de usuarios detrás de QQ. Se puede decir que QQ Music tiene ventajas sociales innatas. Después de que los usuarios inician sesión en QQ Music, pueden ver las actualizaciones de música de sus amigos en la barra dinámica. Al mismo tiempo, también les permite vincular sus propias cuentas de Weibo y compartir música con amigos de Weibo. No solo eso, QQ Music permite a los usuarios editar y generar listas de reproducción y compartirlas con amigos, lo que desempeña un cierto papel como medio propio. En la función "Celebrity Tribe", QQ Music permite a los fans comunicarse e interactuar entre sí y formar una determinada escala social. Del resumen anterior, ya podemos ver que QQ Music ha integrado conscientemente información social en el diseño y las operaciones del producto para aumentar la fidelidad del cliente.

Pero a partir del análisis de datos y la construcción de algoritmos de recomendación, ¿es realmente posible utilizar eficazmente la información de las redes sociales? Con este fin, utilicé la función "adivina que te gusta" que fue completamente actualizada y mejorada por QQ Music en 2012, y encontré el siguiente problema: cuando el autor no tenía ningún registro de escucha de música, este módulo no podía recomendar canciones para el autor. Según el contenido del mensaje, esta función actualmente puede depender principalmente de los registros históricos de escucha de música del usuario para obtener recomendaciones. El mismo problema ocurre en la columna de recomendaciones de QQ Music Hall: la mayor parte de la música recomendada inicial proviene de canciones de música popular actual y carece de elementos personalizados.

QQ Music: Supongo que te gusta QQ Music Hall

Los hechos anteriores muestran que los proveedores de servicios de música no hacen un uso completo de la información de las redes sociales en sus algoritmos de recomendación. De hecho, basándose en la obtención de la cuenta personal de red social vinculada del usuario, se puede obtener la relación de amistad del usuario y, además, se pueden obtener los registros de escucha de los amigos del usuario. Estas canciones pueden convertirse en alternativas para las pistas recomendadas inicialmente. pasar por un determinado proceso de clasificación (popularidad, similitud de amigos) se puede utilizar para recomendar música. Además, como todos sabemos, las redes sociales (como Weibo) son un canal importante para que las celebridades interactúen con sus fans. , los usuarios pueden centrarse en extraer las opiniones de los usuarios sobre cantantes y música en las redes sociales. Relaciones de atención humana para obtener inferencias sobre las preferencias de los usuarios. Los procesos anteriores se pueden representar en la siguiente figura.

Se puede ver que en la comunidad musical unida por las redes sociales, no todos son individuos aislados, sino que están conectados a través de relaciones de amistad y la siguiente relación entre fans y estrellas. La diversificación de las actividades musicales ha traído nuevos desafíos a los escenarios de recomendación de QQ Music. Creemos que hay varias cuestiones que deben abordarse: (1) ¿Cómo utilizar eficazmente la información musical de los amigos para recomendar usuarios? Los usuarios tienen muchos amigos y cada amigo dejará muchos registros de música. Cuando se combinan, la cantidad de esta información es extremadamente grande. Cómo integrar rápidamente a los amigos y sus registros de escucha y hacer recomendaciones a los usuarios en orden de prioridad es un requisito previo. mejorando la experiencia del usuario. (2) ¿Cómo integrar múltiples canales de información para recomendación? A medida que pasa el tiempo, la información que deja una cuenta musical es diversa. Por ejemplo, registros de música que los usuarios buscan activamente, comentarios de los usuarios sobre registros históricos de escucha de música, tipos de estaciones de radio seleccionadas por los usuarios, listas de reproducción generadas por el resumen del propio usuario, información de comentarios de los usuarios sobre música compartida por amigos, etc. Por lo tanto, cómo integrar eficazmente estas fuentes de información heterogéneas o, cuando los recursos son limitados, cómo juzgar y seleccionar los indicadores más efectivos para mejorar la precisión de las recomendaciones es un arma mágica clave para mejorar el efecto de las recomendaciones musicales. (3) ¿Cómo integrar las tendencias musicales actuales y los genes de interés personal de los usuarios? La música es una industria llena de tendencias y entretenimiento. Por lo tanto, los intereses musicales de los usuarios no solo están impulsados ​​por sus propios genes de interés, sino también por el flujo musical actual. Por lo tanto, cómo recomendar eficazmente a los usuarios en función de sus intereses personales y tendencias musicales es un requisito especial para la industria del entretenimiento especial de la música. En resumen, creemos que aunque QQ Music es pionero en el uso de las relaciones sociales para la recomendación musical, todavía hay mucho margen de mejora y mejora en el uso de los datos de la red.

1.2 Recomendación de música basada en redes sociales

Aquí damos ideas técnicas sobre cómo utilizar los datos de la red para recomendar a los usuarios. Debido a la diversificación de entidades en los escenarios de recomendación musical, enumeramos los escenarios de recomendación comunes de la siguiente manera: canciones recomendadas, listas de reproducción recomendadas, estaciones de radio recomendadas, cantantes recomendados y usuarios recomendados. A continuación, desarrollaremos nuestras vistas en tres pasos: clasificación y estructuración de la música, integración de la información del usuario y aplicación de la estructura de la red.

Estructuración y normalización de la música

1. Etiquetado de canciones

En primer lugar, en función de los diferentes estilos de música, debemos etiquetar las canciones masivas que existen. en el sistema Clasificar y estructurar la información de audio a través de texto mediante etiquetado. Existen varios métodos de clasificación y diferentes estándares, a juzgar por las formas de organización de etiquetas de varios sitios web de música convencionales, el análisis se realiza principalmente desde dos perspectivas: objetiva y subjetiva.

Desde un punto de vista objetivo, la música se puede clasificar según género, región, época, instrumentos, etc., como "pop", "rock", "música country", "post-90", "música de piano". , etc., y las subcategorías amplias se pueden configurar a continuación, como "pop chino", "pop europeo y americano" y otras subcategorías se pueden configurar en "Pop" desde un punto de vista subjetivo, el estilo musical está muy relacionado; según el estado de ánimo y la escena al escuchar la canción, como "Sweet" ", "Quiet", "Healing", "Bar", "Cafe", etc. Estas etiquetas hacen que los usuarios se sientan como si realmente estuvieran allí cuando escuchan la canción. Música, aportando un mayor disfrute audiovisual. Además, los propios usuarios también pueden generar etiquetas, como registros de palabras clave de búsqueda activa del usuario, etiquetas de notas del propio usuario, etc. Hasta cierto punto, se trata del uso de medios propios para ampliar la biblioteca de etiquetas para que pueda reflejar mejor los intereses de los usuarios.

2. Extracción de información del cantante

Además de etiquetar canciones, también podemos extraer más información del cantante. Por ejemplo, podemos dividir a los cantantes en China continental, Hong Kong, Taiwán, Europa y Estados Unidos según la región, los cantantes nacidos en los años 60, 70 y 80 según su generación, y los cantantes nacidos en los años 60, 70 y 80 según su generación, y los cantantes de rock, lírico, punk, etc. sobre sus géneros. Los cantantes se clasifican en forma de etiquetas para formar un formato de datos estructurados, lo cual es conveniente para localizar rápida y claramente qué tipo de cantante le gusta al usuario. De manera similar, también podemos etiquetar la lista de reproducción, el letrista y el compositor. Por ejemplo, la etiqueta de la lista de reproducción puede imitar la forma de la canción. Debido a que la lista de reproducción está compuesta de canciones, la etiqueta de la canción se puede usar para representar la etiqueta. de la lista de reproducción. El etiquetado de letristas y compositores puede referirse al método de etiquetar a los cantantes. También vale la pena señalar que debido a la relación de cooperación entre músicos, componiendo, escribiendo letras, etc., se puede considerar una relación de red social, que a menudo puede ser. El fenómeno visto es que algunos cantantes y letristas tienen estrechas relaciones de cooperación, y esta información también se puede utilizar para recomendaciones musicales personalizadas. Por ejemplo, debemos prestar especial atención a algunos cantantes y compositores que tienen colaboraciones específicas, como la pareja de Jay Chou y Fang Wenshan.

3. Análisis semántico de la letra

Una parte importante de la canción es la letra, ya que la letra pertenece al texto, no podemos etiquetarla directamente, así que lo primero que debemos hacer es. Análisis semántico, a través del análisis semántico, podemos conocer aproximadamente el contenido de la letra. Por ejemplo, podemos dividir la letra en frases y luego resumir cada frase. Podemos juzgar la polaridad emocional de la frase (como positiva o negativa). ) y clasificar las frases temáticamente. Debido a la gran cantidad de letras, se pueden utilizar métodos de procesamiento del lenguaje natural, como modelos de temas, para extraer temas por adelantado y luego corregirlos manualmente. De esta forma se pueden etiquetar las letras. A continuación tomamos canciones como ejemplo para explicar brevemente el proceso de etiquetado específico.

Podemos clasificar y describir la temática de cada canción en forma de etiquetas. Cuantas más etiquetas se utilicen para describir un tema, más clara y clara será la descripción del tema musical, pero al mismo tiempo, puede haber más información redundante y repetida, lo que dificulta su procesamiento; Por lo tanto, necesitamos ordenar y filtrar etiquetas. Una forma relativamente simple y eficiente es seleccionar las N etiquetas más populares como nuestro vocabulario de destino y actualizar el vocabulario con regularidad. Específicamente, ordenamos todas las etiquetas de mayor a menor importancia y seleccionamos las p etiquetas principales como nuestro conjunto de etiquetas. Dada una canción t, usamos un vector de súper alta dimensión Xt=(Xt1,...,Xtp)∈?p para representar la información de su etiqueta, donde Xtj=1 significa que la canción contiene la j-ésima etiqueta; de lo contrario, la canción no contiene la etiqueta jth. Por ejemplo, para una pieza de música pura interpretada con música de piano, las etiquetas pueden ser: música de piano, silencio, café, etc. Supongamos que la música de piano, la tranquilidad y los cafés corresponden a las etiquetas etiquetadas 1, 3 y 5 respectivamente, entonces el vector Xt se puede expresar como Xt=(1,0,1,0,1,0,…0). A través de los pasos anteriores, podemos estructurar el estilo musical aparentemente desordenado en forma de etiquetas y clasificar cada canción con un vector de dimensiones ultraaltas que contiene solo 0 y 1 elementos.

Para entidades como listas de reproducción y estaciones de radio que son una colección de canciones, también podemos describirlas mediante etiquetas. Por ejemplo, para una lista de canciones determinada m, también utilizamos un vector de dimensiones súper altas