阿里音乐流行趋势预测-阶段报告

当前成绩：139/5476

时间：2016-06-11

从过去6个月的历史用户行为中，对将来2个月的歌曲播放量进行预测。

比赛中使用了两个数据表：用户行为表和歌曲信息表。结构如下：

用户行为表（mars_tianchi_user_actions，1.4G）

name	data_type	describe	example
user_id	String	用户唯一标识	7063b3d0c075a4d276c5f06f4327cf4a
song_id	String	歌曲唯一标识	effb071415be51f11e845884e67c0f8c
gmt_create	String	用户播放时间（unix时间戳表示）精确到小时	1426406400
action_type	String	行为类型：1，播放；2，下载，3，收藏	1
Ds	String	记录收集日（分区）	20150315

歌曲信息（mars_tianchi_songs，2.2M）

name	data_type	describe	example
song_id	String	歌曲唯一标识	c81f89cf7edd24930641afa2e411b09c
artist_id	String	歌曲所属的艺人Id	03c6699ea836decbc5c8fc2dbae7bd3b
publish_time	String	歌曲发行时间，精确到天	20150325
song_init_plays	String	歌曲的初始播放数，表明该歌曲的初始热度	0
Language	String	数字表示1,2,3…	100
Gender	String	1,2,3	1

由于原始数据是类似log信息的条目，为了避免后续重复统计，需要先统计每天的播放量。这里我们使用了两个维度的统计角度：从歌曲角度统计和歌手角度统计。得到每日播放量的数据：

name	data_type	describe	example
artist_id/song_id	string	歌手ID/歌曲ID	8fb3cef29f2c266af4c9ecef3b780e97
date	int	日期	20150301
play	int	播放量	102
download	int	下载量	23
like	int	收藏量	4

首先，我们将100个需要进行预测的歌手的历史播放量数据绘制曲线图，观察每个歌手的历史趋势和特征（图中绿色的圆点代表当天歌手发行了新歌）。

歌曲播放量曲线,从这个大图中可以看到新歌发布会带来大量的播放量，同时每个歌手的播放量相差很大。

我们尝试对歌手的播放量进行趋势预测