大数据下音乐广播电台内容优化研究【2】

三、音乐广播电台音乐资源大数据分析

（一）大数据收集

数据分析，必然需要收集对应的数据。本文主要针对音乐的网络数据分析，将分析结果作用于音乐电台。一方面需要被动获取电台自身的数据，以及影响电台收听的相关数据；另一方面需要主动收集电台所需音乐的相关数据。因此需要收集两方面的数据：

1.收集音乐电台的自身数据

不同的音乐电台都有其自身的特征，听众定位、节目内容特点、现有电台曲库、主要覆盖区域等。只有了解了每个音乐电台的自身特点，才能将音乐大数据分析的结果与不同音乐电台准确匹配。

2.收集所有音乐的相关网络数据

确定好数据挖掘的数据源，利用大数据网络挖掘技术收集每首歌曲的歌手信息、歌曲实时热度、评论、听众信息（年龄、性别、所在地等）、关联歌曲等，只要是与该歌曲有关的数据全部收集整理。所有音乐相关数据需要不断获取实时数据，只有实时的、真实的数据才能得出准备的分析预测结果。

（二）大数据统计整理

获取到的数据都是零散的杂乱的数字或文字，只有将其通过专业化的数据统计软件加以整理，才能为数据分析和预测等方案解决工作做前期准备。

1.统计整理音乐广播电台现有数据。音乐广播电台从类型化电台中脱颖而出，拥有其独特风格。通过收集电台的所有相关数据，并将其分析整理成可视化图表，直观表现出电台特征。如：电台歌曲的详细统计、电台特点的详细统计等。

2.歌曲相关网络信息统计。歌曲作为音乐广播的灵魂，其包含的相关数据也是分析工作的重中之重。收集到的歌曲相关信息，将统计出下面内容作为数据分析的前期准备。

（1）每首歌曲实时热度值

（2）歌手热度相关数据统计

（3）每首歌曲的听众评论

（4）每首歌曲的听众属性特征（年龄、性别、所在地等）

（5）每首歌曲的关联歌曲

（三）大数据分析

用适当的统计方法对收集来的大量数据进行分析，加以汇总和理解并消化，以求最大化的开发数据的功能，发挥数据的作用。要将收集到的大量的音乐相关数据进行分析，以求获取其有用的信息和他们所代表的含义，需要建立专门的大数据分析模型，才能将超过现有软硬件环境计算能力的大数据及时准确处理。

1.分析音乐广播电台现有数据

针对音乐广播电台现有数据进行被动分析，对现有资源进行优化。

（1）利用特征分析，结合电台的现有曲库内容，分析出音乐电台歌曲选择的特点，并分析出其中的不足，为优化电台曲库做基础准备。

（2）利用聚类分析，将音乐广播电台过去的节目安排内容、节目收听率和当时对节目内容可能产生影响的相关因素（如天气、季节、时间等）进行统计分析，找出其中的影响关系模型，为后续节目内容安排做参考依据。

（3）利用回归分析，结合音乐广播节目中植入的广告与节目内容本身特点，分析出节目中植入广告的合理性，并给出相关合理建议。以求不同时间段、不同节目内植入广告的转化率最大化，最终提升音乐广播电台的影响力与收入。

2.歌曲热度值融合分析

收集统计每首歌曲在多个不同音乐平台上的相关数据，将这些数据统计出来，利用合适的融合算法，将所有歌曲热度值融合为新的热度值，用来表达一首歌曲在时下受大众关注的真实情况，融合计算结果将做为此次数据分析的数据基础。本融合算法借鉴了英国统计学家和遗传学家费希尔（Ronald Aylmer Fisher）的随机对照实验，数据源的平台数量越多、差异越大、听众越多，其结果越无限接近真实情况。