2021美賽D題思路

團隊為建模國一獲得者，有豐富建模經驗，因為需保證建模思路的完整性，更新較慢，怕被d、新號。

問題一：使用impact_data資料集或其中的一部分來建立**影響力的（多個）定向網路，將影響者連線到追隨者。開發可捕獲此網路中「**影響力」的引數。通過建立定向影響者網路的子網來探索**影響力的子集。描述此子網。您的「**影響力」措施在此子網路中體現了什麼？

針對此問題：對於**進行量化，其中影響因子有：天生的創造力，當前的社會或政治事件，使用新樂器或工具，或其他個人經歷。

除了給出的因素外，應當適當考慮其他因素，比如歷史潮流，年齡，**人的社會地位和在領域內的地位，藝術家所屬領域的熱門程度等。

為了確定藝術家的**影響力，而建立所需要的定向網路就是找出influence資料集中的影響者藝術家和追隨者藝術家之間的關聯程度。

思路如下：

1、對所有資料進行處理，找出準隨者和影響者的領域，匹配之後得到影響者和追隨者之間的從屬關係。

2、對於處理好的資料進行分析，利用資料對影響者影響的人數進行分析，統計人數，判斷出領域內的藝術家大師人數。在同乙個領域，對於不同年份進行分析結果以圖表形式展示。

3、最後建立綜合評價模型，可以建立綜合評價模型，指標現在處理為：此藝術家的影響人數，所在領域人數，各個年份的影響人數，（統計藝術家所在領域此年份的所有人，然後根據影響人數進行排名），所在年份競爭力（這一年份的所有領域的藝術家總人數）。

問題二：使用**特徵的full_music_data和/或兩個摘要資料集（包括藝術家和年份）來制定**相似度的度量。使用您的度量，流派的藝術家是否比流派的藝術家更相似？

思路：要求建立**相似性度量模型，並判斷是否流派內的藝術家比流派間的藝術家更相似。

1、可以利用spss相關分析（比如因子分析之類的）**各指標與受歡迎程度之間的相關關係，將相關性低的幾個指標剔除。或者利用主成分分析對資料進行降維。歌曲特徵包括不限於結構、節奏或歌詞。

2、兩個**之間的相似程度，可以用皮爾遜相關係數或者spearman相關係數。用相關關係熱力圖展示。

掃碼獲取全部：