音樂行業一直在被人的直覺推動。一首歌會不會火，一個歌手會不會紅，一場演唱會會不會大賣，這些往往都是靠音樂公司高管們的直覺判斷。於是，才有了各種意外的“走紅”或者“滑鐵盧”。

　　北京晨報訊 大數據時代，音樂界迎來一場革命：下一首歌流行什麼，聽眾説了算。

　　阿裏音樂正在開展一項嘗試：將阿裏音樂平臺上的用戶行為數據與社交網路數據、新聞資訊數據等結合，借助阿裏雲“數加”上的大數據工具，預測哪些音樂人會成為下一個音樂巨星。

　　有猜測指出，這項技術同阿裏音樂一直秘而不宣的新平臺有密切聯繫。

　　先鋒藝術家安迪·沃霍爾曾説過：“在未來世界，每個人都有可能出名5分鐘。”對於唱片公司來説，如何預知誰會是下一個5分鐘的黑馬，成為難題。

　　阿裏音樂的數據工程師介紹，用戶在音樂平臺上收聽、分享、收藏音樂的行為，以及在社交網路、視頻網站、貼吧論壇上做出關注、評論、轉發、點讚等動作，反映了對音樂人的喜好程度。我們用word2vector演算法對關鍵詞進行聚類，結合轉發點讚等原始及衍生特徵，通過gbdt分佈式演算法進行預測分析。“尋找隱藏在其中的下一個TFboys”。

　　數字唱片公司DigSin首席執行官傑·弗蘭克曾表示，大數據技術不是要把人的因素抹去，而是最大程度地呈現人的因素——受眾的反應。“這恐怕是音樂史上最平民化的時刻。”他説。

　　收集所有人的意見並做出判斷，並非易事。阿裏音樂的工程師介紹，該項目僅每天要處理的阿裏音樂平臺數據就達到了100TB，更不用説海量的外部網際網路數據。大數據技術的飛躍為這一設想的實現提供了基礎。

　　在過去的5年裏，全球大數據計算性能實現了超過21倍的提升。2011年，Tritonsort排序100TB數據需要8274秒；到2015年，阿裏雲的MaxCompute只需要377秒。

　　開發團隊用不到2個月時間就完成了整個項目。“就像搭積木一樣，阿裏雲上有我們需要的所有大數據工具”。

　　除了MaxCompute，阿裏雲的分析性數據庫Analytic DB可以對90億條的粉絲關係數據進行實時查詢計算；機器學習工具整合了大量演算法，簡單拖拽便可實現特徵工程及訓練模型的搭建。

　　預測黑馬還只是音樂行業大數據革命的一角。BBC基於音樂雷達軟體Shazam提供的數據，在全球4900個城市中找到了擁有相同音樂品位的“孿生”城市。Shazam能夠採集外部歌曲的指紋，並同伺服器端指紋比對，從而實現歌曲識別。

　　美國的House of Blues採用一種獨特的演算法去安排“拼盤明星巡演”。對於音樂人而言，可以結合粉絲地理位置數據，安排更合理的演唱會巡演路線，以便最廣泛地接觸忠實歌迷。同時，還能根據當地情況，編排不同的曲目。

　　眼下，大數據正在嘗試回答音樂圈內一個古老的問題：下一首歌，你想聽什麼？