论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式...
社会化数字音乐服务设计研究——以Last.fm的用户标签行为数据分析为例A Study of Social Digital Music Service Design—— Social Tagging Behaviors in the Music...
目录1   研究背景:新的音乐时代的来临:社会化数字音乐服务       (文献研究、案例分析)2   研究方法及文献综述阐述                    (文献研究、案例分析)3   研究思路阐述4   研究问题:Last.fm音乐...
1. 研究背景            新的音乐时代的来临:社会化数字音乐服务           P10音乐传播媒介的发展 依据人类媒介发展的历史进程来看,音乐传播方式按照时间的先后顺序可以划分为乐谱传播、唱片传播、基于广播、电影、电视等大众...
1. 研究背景           新的音乐时代的来临:社会化数字音乐服务            P11音乐选择的变化 收音机是“发现音乐”的主要途径,其次才是朋友间的互相推荐。随着大众传媒、音乐产业的发展,大众媒体、唱片公司构成一个强大的网...
1. 研究背景           音乐传播媒介的演变与发展音乐选择的变化 收音机是“发现音乐”的主要途径,其次才是朋友间的互相推荐。随着大众传媒、音乐产业的发展,大众媒体、唱片公司构成一个强大的网络,决定了大众的音乐收听,少数精英人士创造了...
1. 研究背景            新的音乐时代的来临:社会化数字音乐服务           P12,15音乐体验的变化 从音乐的 播放形式 上看,从最开始在   现场 听歌曲和演奏,到体积庞大的留声机,到可以手提着的便携收音机,到拿着可...
1. 研究背景            音乐传播媒介的演变与发展音乐体验的变化 从音乐的 播放形式 上看,从最开始在现场听歌曲和演奏,到体积庞大的留声机,到可以手提着的便携收音机,到拿着可以放进子的磁带播放随身听,到直接把DISC Player...
1. 研究背景              新的音乐时代的来临:社会化数字音乐服务音乐传播的特点   音乐传播具有   主观性强的特点,体现在乐迷喜好的多样化,随着各种音乐产品的出现,个人的感受会越来越被强化,需求会越来越细分。   另外音乐...
1. 研究背景                            新的音乐时代的来临:社会化数字音乐服务                 P17社交图谱 VS兴趣图谱         社交图谱是基于用户真                  ...
音乐+社交网络   Friends       Family   Social Graphs     Interest GraphsNeighbor                        Music        Classmates ...
音乐+社交网络                              “与朋友分享音乐的乐趣”                           Friends                   “品味他人喜欢的音乐来拓宽你的音乐品味”...
1. 研究背景       新的音乐时代的来临:社会化数字音乐服务       P17社会化数字音乐服务类型   传统的音乐博     构建一个平台      强调以用户为中心,   客和论坛,通     来实现音乐资      利用协同过滤等...
1. 研究背景            新的音乐时代的来临:社会化数字音乐服务                      P21            Last.fm是世界上最大的社交音乐如无平台,全世界有250个国家,2000万人在这里寻找、收...
1. 研究背景             新的音乐时代的来临:社会化数字音乐服务   P22Last.fm Last.fm是世界上最大的社交音乐平台。音乐库里有超过1亿首歌曲曲目(其中300多万首可以收听)和超过1000万的歌手。每个月,全世界...
1. 研究背景           新的音乐时代的来临:社会化数字音乐服务             P22  Last.fm宣称的是群体的智慧,        Pandora.com依赖学院派的分析。  用社会化协同过滤的方式来进       ...
研究背景             国内外社会化数字音乐服务概况  Last.fm Last.fm宣称的是群体的智慧,            Pandora.com依赖学院派的分析。 用社会化协同过滤的方式来进          “音乐基因工程”...
2. 研究方法与文献综述     协同过滤在社会化数字音乐服务中的应用          P26协同过滤在社会化音乐服务中得到了非常普遍的应用。协同过滤是基于的假设:在一组兴趣相似的用户中,那么协同过滤便认为用户既然在一部事物上有共同兴趣,那么...
2. 研究方法与文献综述      社会化标签及用户行为                       P28                             社会化标签是用用户协作产生                          ...
2. 研究方法与文献综述                              社会化标签及用户行为                                                 P26   S. Golder等认为用户通...
2. 研究方法与文献综述      社会网络分析及网络可视化               P30通过社会网络分析方法可以有效地发现音乐分享中参与者的关系和关系的图式。社会网络分析方法可以从多个不同的途径上测量伴随音乐分享而出现的新的社会现象。在...
2. 研究方法与文献综述       数据可视化交互界面设计              P32数据可视化不仅帮助用户在信息沼泽中找到方向还能帮助用户发现全新的视角。音乐关系度不管对于基于内容过滤还是协同过滤的音乐推荐都能直接反映推荐系统对用户的...
关注点      如何通过分析用户的         行为模式,改善设计      去帮助用户更好地      发现      喜好的音乐? 社会化数字音乐服务的构建产生了怎样的音乐传播效果,人们怎么寻找音乐,音乐又如 何寻找歌迷?群体的智慧,...
3. 研究思路  行为分析 + 数据分析 + 网络分析  1. Last.fm音乐社区的工作原理?  2. 用户行为模式及其对应的数据表现?  3. Last.fm的标签系统工作框架是如何?  4. Last.fm中有关标签的用户行为?  ……...
3. 研究思路  行为分析 + 数据分析 + 网络分析          1. 实验数据集及其对应的用户行为?          2. 数据处理及筛选处理?          3. 用户标签及朋友数据的量级分布?          4. 标签数...
3. 研究思路  行为分析 + 数据分析 + 网络分析          1. 音乐品味的网络传递形成群组结果是如何?          2. 用户在网络中的位置跟听歌次数并没有必然             的关系?          3. 用...
4. 研究内容                Last.fm音乐社区的用户标签行为研究              P36Last.fm的工作模型分析                                                ...
4. 研究内容          Last.fm音乐社区的用户标签行为研究               P39Last.fm的标签系统工作模型分析                            作为一款比较社会化的音乐应用,Last.f...
P4129
4. 研究内容                   Last.fm音乐社区的用户标签行为研究                        P42数据统计分析研究采用的实验数据集由3148个用户,30520个歌曲记录,12565个标签组成。50...
4. 研究内容                  Last.fm音乐社区的用户标签行为研究                  P43                                              标签的使用分布是符...
4. 研究内容                                   Last.fm音乐社区的用户标签行为研究                                       P44标签数据类型分类及数据表现    类...
4. 研究内容              Last.fm音乐社区的用户标签行为研究              P45从以上数据分析,可以发现   在个音乐网络数据里面,并不是所有有朋友的用户都会写标签,但几乎是所有有加标签习惯的用户都会在此平...
4. 研究内容                            Last.fm音乐社区的用户标签行为研究                                   P47音乐标签网络结构可视化分析音乐品味的网络传递形成群组,这种...
ClassicalElectronic   Jazz    Folkd. jazz                   a. Hip-hop音乐类型标签网络    Rap      R&B                   Rock     ...
Classical      从图可以发现不同流派的音乐标签网络结构、节点的疏密程度不      同,子群体的数量存在着明显的差异,不同的子群体间交流的强      度亦有不同。Electronic      1. Hip-hop、Electr...
P50  标签网络         度分布     平均路径长度     聚集系数      总小团体数目     folk      1.42     1.5105    0.00229     521  electronic   1.537...
4. 研究内容                            Last.fm音乐社区的用户标签行为研究   P51音乐社会化网络结构样本分析选取rap标签的网络作为研究的样本,并在rap标签的网络中取在整个网络中与其他团体链接最多的团体...
4. 研究内容                            Last.fm音乐社区的用户标签行为研究             P26音乐社会化网络结构样本分析选取rap标签的网络作为研究的样本,并在rap标签的网络中取在整个网络中与其...
5. 研究分析与启示           在线音乐营销推送启示                  P53    可针对不同音乐类型标签   使用群体做广告推送,把网站的广告价值最大化,在尽 量短的时间内创造同样多的广告推广价值。    针对...
5. 研究分析与启示                    可视化工具概念原型框架                            P54系统可提供给用户一个         视觉化、自由度较高的歌曲及朋友、音乐资源获取方式,区别于现有的...
6. 原型设计   基于音乐网络关系的可视化交互工具设计          P55原型设计               当点击了一个节点,可以对节点进行操                   作:展开此节点的朋友关系网络,查          ...
谢谢各位老师!SocialMusicService                    43
Upcoming SlideShare
Loading in …5
×

社会化数字音乐服务设计研究 ——以Last.fm的用户标签行为数据分析为例

1,805 views

Published on

硕士答辩PPT

Published in: Design
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,805
On SlideShare
0
From Embeds
0
Number of Embeds
12
Actions
Shares
0
Downloads
0
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

社会化数字音乐服务设计研究 ——以Last.fm的用户标签行为数据分析为例

  1. 1. 论文原创性声明 本人郑重声明:所呈交的学位论文,是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名:郭俊 日期:2012年5月22日 1
  2. 2. 社会化数字音乐服务设计研究——以Last.fm的用户标签行为数据分析为例A Study of Social Digital Music Service Design—— Social Tagging Behaviors in the Music Online Community of Last.fm 研究生 : 郭俊 指导老师: 由芳 副教授 专业名称: 设计艺术学 20120525
  3. 3. 目录1 研究背景:新的音乐时代的来临:社会化数字音乐服务 (文献研究、案例分析)2 研究方法及文献综述阐述 (文献研究、案例分析)3 研究思路阐述4 研究问题:Last.fm音乐社区的用户标签行为 (数据统计分析,网络分析及可视化)5 研究分析与启示: 基于音乐网络关系的可视化交互工具设计 (原型设计、用户测试) 3
  4. 4. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P10音乐传播媒介的发展 依据人类媒介发展的历史进程来看,音乐传播方式按照时间的先后顺序可以划分为乐谱传播、唱片传播、基于广播、电影、电视等大众媒体的音乐传播、网络传播等四个发展阶段。 乐谱传播 唱片传播 媒体传播 网络传播 从早期的黑胶唱片,到中期的磁带、光碟,音乐伴随着载体的发展,越来越广泛地走入人们的生活中。数字音乐的产生,恰恰将音乐从 有形的载体 中分离开来,使得音乐产品不再依靠胶片、磁带或者光碟存在,而是以 数字化 的形式广泛存在于网络、移动终端中。 4
  5. 5. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P11音乐选择的变化 收音机是“发现音乐”的主要途径,其次才是朋友间的互相推荐。随着大众传媒、音乐产业的发展,大众媒体、唱片公司构成一个强大的网络,决定了大众的音乐收听,少数精英人士创造了内容和信息,并通过少数的 被控制 的或者有限的渠道(比如大众媒体的渠道、发行、出版等等)来进行音乐传播,所以它的整个效率相当有限。 而互联网的内容特点是对高雅和通俗文化的充分融合,取消了 标准化 的审美评判。互联网最根本的变革是让 每个人 都有能力去发布,去传播,去分享,形成质的变化。 以基于互联网的社会化数字音乐服务,它的社会基础是成千上万的存在音乐品味差别的音乐听众,讲究的是运用 群体的智慧 来实现音乐的有效传播,所以根据用户个性化和社会化结合而分析出来的榜单会比任何排行榜都要精确。 5
  6. 6. 1. 研究背景 音乐传播媒介的演变与发展音乐选择的变化 收音机是“发现音乐”的主要途径,其次才是朋友间的互相推荐。随着大众传媒、音乐产业的发展,大众媒体、唱片公司构成一个强大的网络,决定了大众的音乐收听,少数精英人士创造了内容和 音乐选择 逐渐摆脱了特定的价值取向,信息,并通过少数的 被控制 的或者有限的渠道(比如大众媒体的渠道、发行、出版等等)来进行音乐传播,所以它的整个效率相当有限。 而自主、中立化,独立小众、类别多样化这样的音乐越来越被所人 而互联网的内容特点是对高雅和通俗文化的充分融合,取消了 标准化 的审美评判。互联网最根 接受。本的变革是让 每个人 都有能力去发布,去传播,去分享,形成质的变化。 以基于互联网的社会化数字音乐服务,它的社会基础是成千上万的存在音乐品味差别的音乐听众,讲究的是运用 群体的智慧来实现音乐的有效传播,所以根据用户个性化和社会化结合而分析出来的榜单会比任何排行榜都要精确。 6
  7. 7. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P12,15音乐体验的变化 从音乐的 播放形式 上看,从最开始在 现场 听歌曲和演奏,到体积庞大的留声机,到可以手提着的便携收音机,到拿着可以放进子的磁带播放随身听,到直接把DISC Player放进背包,再到打火机大小的iPod nano戴在手腕上,到通过电脑或者移动设备打开一个网页就可以在线收听经过实行内容过滤或者协同过滤后的 个性化推荐的音乐。 在线音乐消费则突破了 “货架”的限制,用户可以搜索下载自己喜欢的单曲,而随着 移动互联网和云服务的发展,可以实现在桌面环境下能够体验到的主要功用,寻找音乐、收听音乐、收藏音乐,行动中亦可随时保持自己的音乐品味网络。 7
  8. 8. 1. 研究背景 音乐传播媒介的演变与发展音乐体验的变化 从音乐的 播放形式 上看,从最开始在现场听歌曲和演奏,到体积庞大的留声机,到可以手提着的便携收音机,到拿着可以放进子的磁带播放随身听,到直接把DISC Player放进背包,再到打火机大小的 音乐体验上 ,鼠标的点击、耳塞的流行逐渐取代了实iPod nano戴在手腕上,到通过电脑或者移动设备打开一个网页就可以在线收听经过实行内容过滤或者协同过滤后的 个性化推荐的音乐,到通过音乐数据云服务来实现习随时随地听歌的无缝体验,可 体的唱片介质,将群体的欣赏行为推向边缘!以说音乐播放形式一直在不断变化。 在线音乐消费则突破了“货架”的限制,用户可以搜索下载自己喜欢的单曲,而随着移动互联网和云服务的发展,可以实现在桌面环境下能够体验到的主要功用,寻找音乐、收听音乐、收藏音乐,行动中亦可随时保持自己的音乐品味网络。 8
  9. 9. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务音乐传播的特点 音乐传播具有 主观性强的特点,体现在乐迷喜好的多样化,随着各种音乐产品的出现,个人的感受会越来越被强化,需求会越来越细分。 另外音乐传播具有 互动性强 的特点,还有音乐传播还体现在受众的参与感强烈,音乐的受众从来就不是简单的被动接受者,歌迷都更愿意参与到音乐传播的过程中。听音乐、与朋友分享、与偶像互动,都是享受音乐的重要组成部分。 9
  10. 10. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P17社交图谱 VS兴趣图谱 社交图谱是基于用户真 兴趣图谱基于共同 实的社交圈子的网络图谱,反 的兴趣爱好,无需彼此认 映了用户通过各种途径认识的 识,因而大大扩展了社交 人,社交图谱主要由一些主流 的深度与广度。兴趣图谱 的社交网络产生,例如 一般有以下几个特点:单 Facebook或者LinkedIn。用户 向关注,而非双向互为好 们互相向自己认识的人们发送 邀请来构建和维持他们的社会 友;组织围绕于所分享的兴 关系,个人认识的社交连接故 趣爱好,而非个人真实社 而圈子有限。 会关系。概念来源:The Future of the Social Web: Social Graphs Vs. Interest 10
  11. 11. 音乐+社交网络 Friends Family Social Graphs Interest GraphsNeighbor Music Classmates Colleages 11
  12. 12. 音乐+社交网络 “与朋友分享音乐的乐趣” Friends “品味他人喜欢的音乐来拓宽你的音乐品味” Family “与偶像进行互动” Music Social Graphs Interest Graphs Neighbor Movie 基于 社交关系 的音乐推荐往往更符合我们的需求,我们可以通过 Classmates Articles 关注喜好相似的其他人的音乐列表来发现那些我们原本不会 Books 发现 的 优秀音乐。 Colleages概念来源:The Future of the Social Web: Social Graphs Vs. Interest 12
  13. 13. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P17社会化数字音乐服务类型 传统的音乐博 构建一个平台 强调以用户为中心, 客和论坛,通 来实现音乐资 利用协同过滤等数 过纯粹的信息 源发布者、资 据挖掘信息技术方 和人与人之间 源共享者与使 式来产生音乐资源 的互动而形成 用者之间的信 推送,通过符合品 聚合 息分享 味的音乐资源推荐 来增加用户粘度, 进而逐步建立起用 户与用户之间的关 系网络 1 2 3 13
  14. 14. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P21 Last.fm是世界上最大的社交音乐如无平台,全世界有250个国家,2000万人在这里寻找、收 听、谈论自己喜欢的音乐。有超过1亿首歌曲曲目的音乐库里和超过1000万的歌手信息。 Pandora电台(Pandora Radio)是仅在美国提供服务的自动音乐推荐系统服务,由音乐基因 组计划(英语:Music Genome Project)管理。用户在其中输入自己喜欢的歌曲或艺人名,该服 务将播放与之曲风类似的歌曲。用户对于每首歌或好或差的反馈,会影响Pandora之后的歌曲选 择。在收听的过程中,用户还可以通过多个在线销售上购买歌曲或专辑。 Spotify分为免费和付费版本,普通用户可以免费收听Spotify出资购买版权的音乐曲库,但是 这种服务内嵌广告并有收听时长的限制和歌曲播放次数的限制。付费用户可以免受以上限制。 Genius 根据你存在iTunes里的音乐和应用程序和各种媒体自动推荐给你可能喜欢的音乐和应 用程序类型。 豆瓣电台通过协同过滤算法模仿和学习用户的音乐品味, 并进行音乐推送,用户可以点击“小 红心”或“垃圾桶”添加歌曲喜好信息。豆瓣电台的特点在于“在线随机播放器”,不可暂停,不可回 放,更不可预期。 虾米是另一个类似Last.fm的社会化在线音乐服务,和豆瓣电台不同,虾米本身就是一个专业 音乐网站,因此可以提供较高品质的音乐,支持音乐客户端记录软件,移动版支持iPhone和Andr oid手机,支持用户下载音乐歌曲。可以管理已经离线的歌曲,让用户在没有网络的时候也可以听 音乐。 14
  15. 15. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P22Last.fm Last.fm是世界上最大的社交音乐平台。音乐库里有超过1亿首歌曲曲目(其中300多万首可以收听)和超过1000万的歌手。每个月,全世界250个国家,2000万人在这里寻找、收听、谈论自己喜欢的音乐。这个数字还在不断增长。 在last.fm,每个用户都有一个人专页,里面包括个人的音乐曲库和播放列表,歌曲收听列表,朋友和组群等社会网络。用户可获得来自系统和朋友的歌曲推荐,并可以对所有歌曲添加标签。根据用户围绕音乐的行为产生了非常多由用户生成的数据,如个人的收听历史记录,标签和社会网络,作为last.fm 平台个人收听历史列表,系统推荐和以标签为基础搜索的基础。 15
  16. 16. 1. 研究背景 新的音乐时代的来临:社会化数字音乐服务 P22 Last.fm宣称的是群体的智慧, Pandora.com依赖学院派的分析。 用社会化协同过滤的方式来进 “音乐基因工程”请了一批音乐专 行音乐的推送,围绕音乐建立 家对60多万首音乐做外科手术式 了一个庞大的社区,是这个社 区帮助提炼推荐,推荐的音乐 VS 的量化分析,根据歌手的音质、 乐器的音调、风格、和弦等记录 是从2000多万人真实的收听习 分类,音乐家们将Pandora里每一 惯中提取出来的。所以,播放 首歌曲按将近400种音乐特征分 音乐的次数越多,Last.fm上的 门别类,Pandora为用户提供与用 用户越多,推荐结果就越准确。 户挑选的歌曲或乐队相似类型的 音乐。 16
  17. 17. 研究背景 国内外社会化数字音乐服务概况 Last.fm Last.fm宣称的是群体的智慧, Pandora.com依赖学院派的分析。 用社会化协同过滤的方式来进 “音乐基因工程”请了一批音乐专 与其它互联网音乐公司相比之下给数字音乐带来了更多的 行音乐的推送,围绕音乐建立 技术变革 ,与 家,对60多万首音乐做外科手术 了一个庞大的社区,是这个社 VS数据挖掘方式 Pandora不一样,用了截然相反的数字音乐 区帮助提炼推荐,推荐的音乐 式的量化分析,根据歌手的音质、 来进行音乐资 乐器的音调、风格、和弦等记录 源推荐,它的极客文化、开放性、和对数据和技术的崇尚影响了现在很多互联网音 是从2000多万人真实的收听习 分类。音乐家们将Pandora里每 乐服务,如Lala、Mog、Rdio、Spotify,豆瓣、虾米等等。 惯中提取出来的。所以,播放 一首歌曲按将近400种音乐特征 音乐的次数越多,Last.fm上的 分门别类。Pandora为用户提供 用户越多,推荐结果就越准确。 与用户挑选的歌曲或乐队相似类 型的音乐。 17
  18. 18. 2. 研究方法与文献综述 协同过滤在社会化数字音乐服务中的应用 P26协同过滤在社会化音乐服务中得到了非常普遍的应用。协同过滤是基于的假设:在一组兴趣相似的用户中,那么协同过滤便认为用户既然在一部事物上有共同兴趣,那么这一组用户中一个用户的感兴趣的东西很可能也会被另一个用户青睐。 参考文献:个篱.协同过滤在社会化音乐网站中的应用等目前,协同过滤推荐算法是研究的一个热点,但确实纯粹基于计算机的算法推送的匹配度远没有达到理想的程度,存在推荐的音乐资源不符合用户的 音乐品味 的问题,如何能提高音乐资源、朋友推荐的 匹配度? 18
  19. 19. 2. 研究方法与文献综述 社会化标签及用户行为 P28 社会化标签是用用户协作产生 音乐类型划分的一种方式。 用户可以通过添加多个标签实现音乐资源管理, 也可以通过搜索某一个或几个标签发现其它用 户具有相同标签的音乐资源。 社会化数字音乐服务平台中用户和音乐文件是 通过标签连接起来,用户和用户亦通过标签间 接地建立起联系。用户标签数据在Last.fm 中用户数据占据了很大一部分,而标签是用户对信息的主观理解, 是联系客观信息和主观认知的中介,对标签的分析有助于理解用户的使用习惯,在案例分析中会着重对用户的标签数据进行分析。 19
  20. 20. 2. 研究方法与文献综述 社会化标签及用户行为 P26 S. Golder等认为用户通过添加标签来形成自己在社区中的品味和发展出相似的观点。因此,如果 用户拥有相同的标签,这是他们的共性与对方分享;标记的目的是管理他们自己的数据以及分享和 了解其他用户的想法和意见。 Vignoli等声称非专家用户在来表达他们的音乐偏好方面有很大的困难度,并且在搜索过程中他们 经常改变他们的想法;从标签云可以反映出大众的兴趣点。 Viégas等对用户对音乐的理解方式进行研究,发现在对音乐的描述和在搜索过程中,用户倾向于用 事件和相关的情感表达来与音乐结合在一起。Ya-xi Chen等采用了 用户访谈 和 在线网络问卷 的方式对Last.fm平台的用户行为做了一定的研究:除了个人媒体管理,探索性浏览一样存在于在线社区。当用户有确定的目标时,他们可以通过明确的搜索来定位目标或者导航。用户通常会愿意花更多的时间通过浏览而不是通过搜索关键字来寻找歌曲。发现新音乐对Last.fm用户来说是非常重要的,而现在发现新音乐的来源主要是系统推荐或来自其他用户。文献来源:How Last.fm Illustrates the Musical World: User Behavior and Relevant User-Generated Content等 20
  21. 21. 2. 研究方法与文献综述 社会网络分析及网络可视化 P30通过社会网络分析方法可以有效地发现音乐分享中参与者的关系和关系的图式。社会网络分析方法可以从多个不同的途径上测量伴随音乐分享而出现的新的社会现象。在社会化网络环境中,音乐资源是通过相同的标签联系在一起的,用户也通过使用标签与其他资源及用户联系在一起。采用社会网络分析及可视化的方法对Last.fm网站的音乐 网络数据进行分析,并运用社会网络分析软件可视化用户标签网络,引入网络分析中一些常见的重要拓扑参数对音乐流派标签网络进行计算和分析,了解音乐标签网络的整体 网络特征,窥视用户相关的 行为模式。 21
  22. 22. 2. 研究方法与文献综述 数据可视化交互界面设计 P32数据可视化不仅帮助用户在信息沼泽中找到方向还能帮助用户发现全新的视角。音乐关系度不管对于基于内容过滤还是协同过滤的音乐推荐都能直接反映推荐系统对用户的价值,目前推荐资源的方式通常是以列表的形式存在,是相对静态的一种形式,而对于发现寻找喜欢新的音乐资源、好友来说会向于通过可见、互动的方式。是否能够增加用户自身的力量,允许 用户主动地参与 来提高推荐的准确性与个性化:如允许用户互动式的操作来输入相关数据来获得系统音乐推荐。 22
  23. 23. 关注点 如何通过分析用户的 行为模式,改善设计 去帮助用户更好地 发现 喜好的音乐? 社会化数字音乐服务的构建产生了怎样的音乐传播效果,人们怎么寻找音乐,音乐又如 何寻找歌迷?群体的智慧,音乐品味的网络传递音乐品味形成的群组?音乐与音乐之间 的意想不到的关联,什么音乐正在跨越主流? 23
  24. 24. 3. 研究思路 行为分析 + 数据分析 + 网络分析 1. Last.fm音乐社区的工作原理? 2. 用户行为模式及其对应的数据表现? 3. Last.fm的标签系统工作框架是如何? 4. Last.fm中有关标签的用户行为? ………… 24
  25. 25. 3. 研究思路 行为分析 + 数据分析 + 网络分析 1. 实验数据集及其对应的用户行为? 2. 数据处理及筛选处理? 3. 用户标签及朋友数据的量级分布? 4. 标签数据类型分类及数据表现? …………. 25
  26. 26. 3. 研究思路 行为分析 + 数据分析 + 网络分析 1. 音乐品味的网络传递形成群组结果是如何? 2. 用户在网络中的位置跟听歌次数并没有必然 的关系? 3. 用户标签及朋友数据的关系? …………. 26
  27. 27. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P36Last.fm的工作模型分析 推荐Last.fm 用一个简单但是强大的方式让大家享受更多的音乐1. 由 Scrobber 负责收集和分析用户的音乐收听历史2. 由 Last.fm 网站负责整理用户的社会化活动(包括好友经营、音乐标签、评论日志等 )3. 最后两者一结合,Last.fm 就可以猜测用户可能喜欢的曲目并推送给用户 27
  28. 28. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P39Last.fm的标签系统工作模型分析 作为一款比较社会化的音乐应用,Last.fm站点 的标签系统通过对每个用户的 音乐标签 数据情况进行分析来提供个性化的音乐资 源推荐和品味相近的好友推荐。 Last.fm站点开放的API数据接口使得对大量用 户真实标签及网络数据分析成为可能。参考文献:个篱.协同过滤在社会化音乐网站中的应用等 28
  29. 29. P4129
  30. 30. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P42数据统计分析研究采用的实验数据集由3148个用户,30520个歌曲记录,12565个标签组成。50%的用户是有标签数据的,说明存在一定数量的用户群体是喜欢在Last.fm平台上添加标签。由于研究对象是用户的标签使用行为,因此对数据进行了处理,剔出了没有标签数据的用户,对剩下1584名用户整理出其所对应的所有标签及朋友数量。 10个以上 0.3% 3% 500以上 0.3% 4~9个 6% 100~499 8% 3个 50~99 7% 2个 1~49 91% 19% 64% A. 用户标签数量分布 B. 用户朋友数量分布数据来源:英国格拉斯哥大学基于标签和朋友关系的推荐算法的研究数据 http://mir.dcs.gla.ac.uk/lastfm/ 30
  31. 31. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P43  标签的使用分布是符合长尾理论现 象,在大多数情况下,少数标签是被 重复使用多次,很多程度上是由于用 户添加标签的行为具有 随意性和 无序性。 图 . 依据用户的标签及朋友数据量的用户分类  用户标签及朋友数据以朋友数量降 用户类型 用户行为 比例 序排列,可以发现有不同数量级朋友 A.不活跃用户 只注册,没有加朋友也没有加标签 0.063% 团体中都会有一部分比较 活跃于 B. 只社交用户 只加朋友没有加标签 49.62% C. 只标签用户 只写标签没有添加朋友 0.095% 写标签的人,并且呈线性下降, 且每个朋友群体的写标签都是不活跃 D.活跃用户 D1 社交活跃和标签活跃用户 0.50% 程度占的比例在80%~95%。 D2社交活跃和标签初级用户 0.47% D3 社交初级和标签活跃用户 19.3% E. 初级用户 社交初级和标签初级用户 29.96% 31
  32. 32. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P44标签数据类型分类及数据表现 类别 数据表现 歌曲类型 1) 音乐类型(rock,hip-hop,pop,jazz等) 2) 在音乐类型前后加入描述(post-rock,nu metal,power metal,undergroup hip-hop等) 歌手 1) 根据歌手(Coldplay等) 歌曲年代类型 1) 年代类型(60s 70s 80s 90s等) 2) 年类型(1990等) 歌曲相关属性 1) 歌曲语种(German,French,Japanese,Australia等) 2) 根据地理(west coast,east coast) 3) 根据性别(F M gay) 用于个人识别相关 如My favoute tag文献来源:How Last.fm Illustrates the Musical World: User Behavior and Relevant User-Generated Content等 32
  33. 33. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P45从以上数据分析,可以发现 在个音乐网络数据里面,并不是所有有朋友的用户都会写标签,但几乎是所有有加标签习惯的用户都会在此平台上交朋友,用户加的标签数量与朋友数量并没有典型的必然联系的。 而大部分用户的标签数量集中在 1~49范围。发现有拥有不同数量级朋友的团体的标签数量分布符合长尾理论现象,其中都会有一部分比较活跃于添加标签的人。 关于音乐流派的标签是使用最多的,用户倾向于使用传统的音乐流派及其流派分支的方式来添加标签,以及在传统音乐流派标签为基础上增加前缀后缀描述。hip hop,rock,metal等类型的标签最为多被用户使用,这种类型的歌曲最受欢迎。 33
  34. 34. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P47音乐标签网络结构可视化分析音乐品味的网络传递形成群组,这种集体行动导致创造了隐性的一个社会网络结构,根据使用的音乐流派标签来划分不同的网络群体,形成标签关系网络,引入复杂网络分析中一些常见的重要拓扑参数例如度分布、平均路径长度、聚类系数、模块化来对音乐流派标签网络进行计算和分析,了解音乐标签网络的整体网络特征,进一步探讨揭示其社会化网络结构。 Rock 5% Metal 10% Electronic R&B 23% Jazz Folk 12% Pop 13% Hip hop 12% 5% 4% 9% 7% A. 标签类型数量级分布图 B.选取流派音乐标签算法:Yifan Hu, Algorithms for Visualizing Large Networks 34
  35. 35. ClassicalElectronic Jazz Folkd. jazz a. Hip-hop音乐类型标签网络 Rap R&B Rock Metal Pop 35
  36. 36. Classical 从图可以发现不同流派的音乐标签网络结构、节点的疏密程度不 同,子群体的数量存在着明显的差异,不同的子群体间交流的强 度亦有不同。Electronic 1. Hip-hop、Electronic虽不是用户人数最多的,但其音乐流派标签网络明显较其 它网络密集,积聚在中部位置,且形成比较明显的子群体间的交流与互动; Jazz 2. 而用户人数最多的Rock,Metal,Pop网络图则呈现较为分散,并无明显的子 群体间的交流与互动; 3. Folk音乐标签网络图则分布最为零散,在中部形成一小撮子群。 Folkd. jazz a. Hip-hop音乐类型标签网络 Rap R&B Rock Metal Pop 36
  37. 37. P50 标签网络 度分布 平均路径长度 聚集系数 总小团体数目 folk 1.42 1.5105 0.00229 521 electronic 1.537 1.1907 0.01036 312 Pop 1.611 1.8708 0.00808 311 Metal 1.624 2.0630 0.00686 277 Classical 1.721 2.2553 0.00826 223 jazz 1.751 5.1820 0.01186 251 Rock 1.806 1.5131 0.01326 196 R&B 1.989 1.5783 0.01304 160 Hip-pop 2.295 5.7746 0.02186 154 Rap 2.398 1.38649 0.02907 107从上述拓扑参数计算结果对比分析后发现:Hip-pop,音乐流派标签网络的模块化程度是最低的,其次是R&B, jazz,说明这些类型的音乐流派标签网络中的用户子群体联系较强;各个子群体集合活动,形成较大规模的群体网络。folk音乐流派标签网络的模块化程度是最高的,说明Rap音乐流派标签网络中的用户子群体联系较弱,小团体化比较厉害,意味着听folk的用户子群体间的相互联系性比较弱,各个子群体分散活动,没有形成较大规模的群体网络。 37
  38. 38. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P51音乐社会化网络结构样本分析选取rap标签的网络作为研究的样本,并在rap标签的网络中取在整个网络中与其他团体链接最多的团体,也就是它在整个网络中的权力是最大的团体做进一步分析。 此用户群体共有45人,对这个45人团体的人的听各种歌曲的次数进行归类后发现这45人中只 有29个人是有听加有rap标签的歌曲。有40%的人是有加rap标签却没有听rap类型的歌曲。 可猜测这些人添加标签有可能是社交的意图,想通过加rap标签去认识喜欢rap的人,或许有 加标签的偏好。算法:Yifan Hu, Algorithms for Visualizing Large Networks 38
  39. 39. 4. 研究内容 Last.fm音乐社区的用户标签行为研究 P26音乐社会化网络结构样本分析选取rap标签的网络作为研究的样本,并在rap标签的网络中取在整个网络中与其他团体链接最多的团体,也就是它在整个网络中的权力是最大的团体做进一步分析。 用户在网络中的位置跟听歌次数并没有必然的关系,就是各个用户听此类歌曲更 多是独立的行为。但是处于此类音乐流派的小团体内部 程度中心性高 的 用户听此类音乐的次数也相对比其他对应的位置的多。 此用户群体共有45人,对这个45人团体的人的听各种歌曲的次数进行归类后发现这45人中只 有29个人是有听加有rap标签的歌曲。有40%的人是有加rap标签却没有听rap类型的歌曲。 可猜测这些人添加标签有可能是社交的意图,想通过加rap标签去认识喜欢rap的人,或许有 加标签的偏好。算法:Yifan Hu, Algorithms for Visualizing Large Networks 39
  40. 40. 5. 研究分析与启示 在线音乐营销推送启示 P53  可针对不同音乐类型标签 使用群体做广告推送,把网站的广告价值最大化,在尽 量短的时间内创造同样多的广告推广价值。  针对不同的音乐偏好用户群体做网络音乐推送时,要考虑不同音乐偏好用户群体的网络结 构,根据其不同的网络结构做相适应的设计,采取不同的资源推送策略。  在音乐营销推广资源有限的情况下时,可针对在网络中拥有 核心影响力,即程度中心性 较高的用户提供如免费音乐收听或下载的方案,进行定点的 资源投放,利用这些用户自身的网 络力量来进行音乐的传播。 40
  41. 41. 5. 研究分析与启示 可视化工具概念原型框架 P54系统可提供给用户一个 视觉化、自由度较高的歌曲及朋友、音乐资源获取方式,区别于现有的较为单一的表单形式的歌曲获得及纯粹的基于推荐算法的朋友获得。 User x 标 user user user user user x 签 x user 过 user 滤 user user user user 器 可视化网络界面 过滤后网络界面 41
  42. 42. 6. 原型设计 基于音乐网络关系的可视化交互工具设计 P55原型设计 当点击了一个节点,可以对节点进行操 作:展开此节点的朋友关系网络,查 看此节点用户的个人信息。通过展开节 点你就展开了基于已有朋友关系的联 系。同时提供一个音乐标签类型 的过滤器,用户可以通过输入特定类型 的音乐标签对此朋友网络进行进一步筛 选,发现跟自己音乐品味匹配度更高的 朋友。 同时在界面的下方显示此节点用户的最 近听歌历史记录,用户可以点击收听。 单击一个朋友节点,相应的朋友账号信 息(个人信息、品味匹配度、使用标 签、朋友)在右边面板中显示,看到品 味相投的用户可以发送添加好友的消 息。 42
  43. 43. 谢谢各位老师!SocialMusicService 43

×