Hit Song Science: Slágerek nyomában a Big Data korában

Lengyel Beáta Mária (2025) Hit Song Science: Slágerek nyomában a Big Data korában. Pénzügyi és Számviteli Kar.

	PDF Szakdolgozat_EYLXT1.pdf Hozzáférés joga: Csak nyilvántartásba vett egyetemi IP címekről nyitható meg Download (1MB)
	PDF Lengyel Beáta szakdolgozat bírálat.pdf Hozzáférés joga: Bizalmas dokumentum (bírálat) Download (83kB)

Absztrakt (kivonat)

A dolgozat a Hit Song Science keretében azt vizsgálja, milyen mértékben jelezhető előre a dalok slágerstátusza gépi tanulási módszerekkel. A vizsgálat alapját a Billboard Hot 100 heti listáira épülő, több mint 27000 dalt tartalmazó adatbázis adja, amelyhez audiojellemzők, a dalszövegből kinyert tematikus és érzelmi változók, időbeli mutatók, valamint egyéb előadói metaadatok kerültek hozzárendelésre. Az adatelőkészítési és szövegbányászati lépések után több osztályozó modell teljesítménye került összehasonlításra. Az eredmények alapján a modellek a véletlennél jobb eredményt értek el, tehát bizonyos mértékig a slágerstátusz előrejelezhető. Ugyanakkor ebben döntő szerepet játszott az előadók korábbi toplistás jelenléte, az időbeli kontextus, míg az audio és dalszövegjellemzők inkább kiegészítő erővel bírnak. Ez rámutat arra, hogy hasznos döntéstámogató eszközként szolgálhatnak a zeneiparban, de a kreatív folyamat és a hallgatói preferenciák komplexitását nem képesek helyettesíteni.

Intézmény

Budapesti Gazdasági Egyetem

Kar

Pénzügyi és Számviteli Kar

Tudományterület/tudományág

NEM RÉSZLETEZETT

Szak

Gazdaságinformatikus

Mű típusa:	diplomadolgozat (NEM RÉSZLETEZETT)
Kulcsszavak:	adatelemzés - adatbányászat, fogyasztói magatartás, gépi tanulás, zene, zeneipar
SWORD Depositor:	User Archive
Felhasználói azonosító szám (ID):	User Archive
Rekord készítés dátuma:	2026. Júl. 09. 11:11
Utolsó módosítás:	2026. Júl. 09. 11:11

Actions (login required)

Tétel nézet