Anzeige
Anzeige
News

Machine-Learning: Forscher bestimmen Hit-Potenzial von Musik in weniger als einer Minute

Welche Songs werden beim Publikum so gut ankommen, dass sie Hits werden? Forscher:innen können nun dank Machine-Learning mit einer Wahrscheinlichkeit von bis zu 97 Prozent bestimmen, welche Songs das sind.

Von Stefica Budimir Bekan
2 Min.
Artikel merken
Anzeige
Anzeige

Ob ein Song ein Hit wird, kann Machine-Learning mit einer Wahrscheinlichkeit von 97 Prozent voraussagen. (Grafik: Laci_10 / Shutterstock.com)

Jeden Tag werden Tausende von neuen Songs veröffentlicht. Das macht es Streaming-Diensten und Radiosendern schwer zu entscheiden, welche Songs sie ihrer Playlist hinzufügen sollen. Eine Garantie dafür, dass ein bestimmter Song beim Publikum ankommen wird, gibt es nicht. Doch nun haben Forscher:innen eine Technik des maschinellen Lernens getestet, die zu 97 Prozent voraussagen kann, welcher Song ein Hit wird.

Anzeige
Anzeige

„Durch die Anwendung des maschinellen Lernens auf neurophysiologische Daten konnten wir nahezu perfekt Hitsongs identifizieren“, sagte Paul Zak, Professor an der Claremont Graduate University und leitender Autor der in Frontiers in Artificial Intelligence veröffentlichten Studie. „Dass die neuronale Aktivität von 33 Personen vorhersagen kann, ob Millionen von anderen Personen neue Songs hören werden, ist ziemlich erstaunlich. So eine Genauigkeit wurde zuvor noch nie erreicht.“

Machine-Learning mit neurologischen Daten

Doch wie funktioniert das Machine-Learning eigentlich, das die Forscher:innen bei den Probanden der Studie anwenden konnten? Die Teilnehmer:innen wurden mit Sensoren ausgestattet, hörten sich eine Auswahl von 24 Songs an und wurden nach ihren Vorlieben befragt. Während des Experiments wurden die neurophysiologischen Reaktionen der Teilnehmenden auf die Songs gemessen.

Anzeige
Anzeige

„Die von uns gesammelten Gehirnsignale spiegeln die Aktivität eines mit Stimmung und Energiepegel verbundenen Hirnnetzwerks wider“, erklärte Zak. Das Beeindruckende: Basierend auf den Daten weniger Personen konnten die Forscher:innen die Marktergebnisse einschließlich der Anzahl der Song-Streams vorhersagen.

Dieser Ansatz wird Neuroprognose genannt. Er erfasst die neuronale Aktivität einer kleinen Gruppe von Menschen, um Effekte auf Populationsebene vorherzusagen, ohne die Hirnaktivität von Hunderten anderen Menschen messen zu müssen.

Anzeige
Anzeige

ML-Modell auch schon in der ersten Minute erfolgreich

Nach der Datensammlung verwendeten die Forscher:innen verschiedene statistische Ansätze, um die Vorhersagegenauigkeit dieser neurophysiologischen Variablen zu bewerten. Das ermöglichte auch einen direkten Vergleich der Modelle. Um die Vorhersagegenauigkeit zu verbessern, wurde ein ML-Modell trainiert, das verschiedene Algorithmen testete, um die besten Vorhersageergebnisse zu erzielen.

Die Wissenschaftler:innen stellten fest, dass ein lineares statistisches Modell Hits mit einer Erfolgsquote von 69 Prozent identifizierte. Als sie Machine-Learning auf die gesammelten Daten anwendeten, stieg die Rate der korrekt identifizierten Hits auf sage und schreibe 97 Prozent.

Anzeige
Anzeige

Erste Minute des Songs auch schon entscheidend

Meist entscheidet schon die erste Minute eines Songs darüber, ob die Hörer:innen dranbleiben oder umschalten. Deshalb wandten die Forscher:innen Machine-Learning auch auf die neuronalen Reaktionen in der ersten Minute des Songs an. Das Ergebnis: Die Hits wurde mit einer Erfolgsquote von 82 Prozent identifiziert.

„Das bedeutet, dass Streaming-Dienste neue Songs, die sich wahrscheinlich zu Hits entwickeln werden, effizienter erkennen können. Dadurch wird die Arbeit der Streaming-Dienste erleichtert und die Zuhörer:innen werden belohnt“, so Zak.

Anzeige
Anzeige

Modell kann in verschiedenen Branchen angewandt werden

Der Studienleiter wies aber auch auf Einschränkungen hin. So wurden bei der Studie nur wenige Songs verwendet und nicht alle ethnischen Gruppen sowie Altersgruppen wurden berücksichtigt.

Dennoch glaubt der Forscher, dass die Technik für viele Branchen nützlich sein könnte, auch aufgrund der einfachen Umsetzbarkeit: „Es ist wahrscheinlich, dass dieser Ansatz auch zur Vorhersage von Hits für viele andere Arten von Unterhaltung verwendet werden kann – einschließlich Filme und Fernsehsendungen.“

Mehr zu diesem Thema
Fast fertig!

Bitte klicke auf den Link in der Bestätigungsmail, um deine Anmeldung abzuschließen.

Du willst noch weitere Infos zum Newsletter? Jetzt mehr erfahren

Anzeige
Anzeige
Kommentare

Community-Richtlinien

Bitte schalte deinen Adblocker für t3n.de aus!
Hallo und herzlich willkommen bei t3n!

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team von mehr als 75 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Schon jetzt und im Namen der gesamten t3n-Crew: vielen Dank für deine Unterstützung! 🙌

Deine t3n-Crew

Anleitung zur Deaktivierung
Artikel merken

Bitte melde dich an, um diesen Artikel in deiner persönlichen Merkliste auf t3n zu speichern.

Jetzt registrieren und merken

Du hast schon einen t3n-Account? Hier anmelden

oder
Auf Mastodon teilen

Gib die URL deiner Mastodon-Instanz ein, um den Artikel zu teilen.

Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Kommentar abgeben

Melde dich an, um Kommentare schreiben und mit anderen Leser:innen und unseren Autor:innen diskutieren zu können.

Anmelden und kommentieren

Du hast noch keinen t3n-Account? Hier registrieren

Anzeige
Anzeige