Genre-based music popularity prediction based on machine learning

본 연구에서는 장르별 음원의 인기를 예측하는 모델을 제안하였다. 이를 위하여 글로벌 음악 스트리밍 플랫폼인 스포티파이로부터 14,678개 음원에 대한 음향 특성 데이터를 수집하고 네 가지 장르를 대상으로 머신러닝 모델을 구축하였다. 성능 비교 결과, rap과 R&B는 XGBoost, rock과 electronic 장르에서는 random forest 모델이 가장 우수한 음원 인기 예측 성능을 보였다. 변수 중요도 분석과 SHAP 분석을 통하여 음원의 음향 특성과 인기와의 관계를 실증적으로 확인하였으며 장르별로 어떠한 차이가 있는지 분석하였다. 본 연구 결과는 음원 제작과 큐레이션 전략 수립을 포함하여 음원 산업에서의 데이터 기반 의사결정을 지원하는데 유용할 것이다.