2015年国家针对音乐版权问题发布相关文件,音乐行业迎来又一次洗牌契机。大量用户不再通过持续搜索音乐,而是以歌单为入口发现音乐。对于音乐平台而言,如何打造优质而丰富的歌单,已经成为吸引流量、增强用户黏性和提升平台价值的关键。本文基于目前网易云音乐服务平台上的歌单信息数据,建立多元线性回归、支持向量机、BP神经网络模型,对歌单播放量进行预测。本文具体工作简述如下:1.歌单信息数据预处理。先是对分类型文本变量及时间变量进行数据变换处理,通过分词技术,进行文本分词,提取歌单名、歌单介绍、标签等文本数据中的高频词、特殊词汇;进而构造是否含高频词、特殊词汇的衍生变量。2.构建广义线性模型,归纳出歌单播放量影响因素的特征。本文先是通过绘制直方图、箱线图、柱状图直观反映数据的分布规律,来分析数据的分布情况,以及变量之间是否存在相关关系;用正态回归模型、伽马回归模型、逆高斯回归模型定量地寻找深层次规律,从而归纳出热门歌单所应具备的特点,为平台以及用户创建更优质、丰富的歌单提供对策与建议。3.在归纳的歌单播放量影响因素特征的基础上,构建歌单播放量的多元线性回归、支持向量机、BP神经网络模型,用交叉验证方法对比三种方法的预测效果,结果显示,从该数据集来看,支持向量机模型的预测效果最优,最后将支持向量机模型应用到实测数据。本文希望所作分析能为网易云音乐平台提供相应的歌单播放量预测参考信息,也能为该平台用户如何创建以及如何选择优质的歌单提供参考;对网易云音乐平台如何提高用户使用率、增强用户粘性以及给用户推送音乐信息具有较大的参考价值。