音乐自古以来就是人类社会的一部分，是文化遗产的重要组成部分。为了理解音乐在人类集体经验中所扮演的角色，我们被要求开发一种量化音乐进化的方法。当艺术家创作一首新的音乐作品时，有许多因素会影响他们，包括他们与生俱来的独创性、当前的社会或政治事件、获得新的乐器或工具的机会，或其他个人经历。我们的目标是了解和衡量以前制作的音乐对新音乐和音乐艺术家的影响。
一些艺术家可以列出十几个或更多的其他艺术家谁，他们说影响了自己的音乐作品。也有人认为，影响可以衡量的程度之间的相似性歌曲的特点，如结构，节奏，或歌词。音乐有时会发生革命性的变化，提供新的声音或节奏，例如当一种新的音乐流派出现时，或者对现有的音乐流派（如古典音乐、流行音乐/摇滚音乐、爵士乐等）进行重新改造时。这可能是由于一系列小的变化，艺术家的合作努力，一系列有影响力的艺术家，或者社会内部的转变。
许多歌曲都有相似的声音，许多艺术家为音乐流派的重大转变做出了贡献。有时这些变化是由于一个艺术家影响另一个艺术家。有时，这是一种对外部事件（如世界重大事件或技术进步）作出反应的变化。通过考虑歌曲网络及其音乐特征，我们可以开始捕捉音乐艺术家之间的相互影响。或许，我们还可以更好地理解音乐是如何随着时间的推移在社会中演变的。
您的团队已被综合集体音乐协会（ICM）认定为
衡量音乐影响的模型。这个问题要求你研究艺术家和流派的进化和革命趋势。为此，ICM向您的团队提供了多个数据集：
1） “影响力数据”代表了音乐影响者和追随者，正如艺术家自己所报道的，以及行业专家的意见。这些数据包含了过去90年中5854位艺术家的影响者和追随者。[1]
2） “完整音乐数据”提供16个可变条目，包括音乐特性，如舞蹈性、节奏、响度和键，以及98340首歌曲的艺术家名称和艺术家id。这些数据用于创建两个摘要数据集，包括：[2]
a、 艺术家平均值“艺术家数据”，
b、 是指跨年度“数据按年度”。
注：这些文件中提供的数据是较大数据集的子集。这些文件仅包含解决此问题所需的数据。
为了开展这一富有挑战性的项目，ICM协会要求您的团队通过对音乐艺术家的影响来探索音乐的演变，具体做法如下：
•使用影响数据集或其部分创建一个（多个）音乐影响定向网络，其中影响者与追随者相连。在这个网络中开发捕捉“音乐影响”的参数。通过创建你的定向影响者网络的子网络来探索音乐影响的子集。描述这个子网络。你的“音乐影响力”指标在这个子网络中揭示了什么？
•使用完整的音乐数据和/或音乐特征的两个汇总数据集（包括艺术家和年份），以制定音乐相似性的衡量标准。用你的标准衡量，流派内的艺术家比流派间的艺术家更相似吗？
•比较流派之间和流派内部的相似性和影响。一种体裁的区别是什么？体裁是如何随着时间的推移而变化的？某些体裁与其他体裁相关吗？
•指出数据集中报告的相似性数据是否影响数据集，表明确定的影响者实际上影响了各自的艺术家。“影响者”真的会影响追随者创作的音乐吗？是一些音乐特征比其他特征更具“感染力”，还是它们在影响某个艺术家的音乐方面都有相似的作用？
•从这些数据中确定是否有可能意味着音乐进化中的革命（重大飞跃）的特征？在你的人际网络中，哪些艺术家代表革命者（重大变革的影响者）？
•分析一个流派中随时间变化的音乐演变的影响过程。你的团队能否识别出能够揭示动态影响者的指标，并解释流派或艺术家是如何随着时间的推移而变化的？
•你的作品如何表达音乐在时间或环境中的文化影响？或者，如何在网络中识别社会、政治或技术变化（如互联网）的影响？
给ICM协会写一份单页的文档，说明通过网络了解音乐影响的价值。考虑到这两个问题数据集仅限于某些流派，以及随后两个数据集共用的艺术家，您的工作或解决方案将如何随着更多或更丰富的数据而改变？建议进一步研究音乐及其对文化的影响。
来自音乐、历史、社会科学、技术和数学等领域的跨学科、多元化团体ICM协会期待着您的最终报告。
总页数不超过25页的PDF解决方案应包括：
•一页总结表。
•目录。
•您的完整解决方案。
•向ICM协会提交一页文件。
•参考文献列表。
注：2021年新增！ICM竞赛现在有25页的限制。提交内容的所有方面均计入25页的限制：摘要表、目录、解决方案主体、图像和表格、一页文档、参考列表和任何附录。
我们为此问题提供以下四个数据文件。提供的数据文件仅包含用于解决此问题的数据。
1. 影响_data.csvfull\ u music\ u数据.csvdata\u作者_艺术家.csvdata.csv文件 2. 3. 4.
（数据以utf-8编码，以便处理特殊字符）：
- 影响者id：给被列为影响者的人的唯一标识号。（数字串）
- 影响者姓名：追随者或行业专家给出的有影响力艺术家的名字。（字符串）
- 影响者\主要\流派：最能描述有影响力的艺术家创作的大部分音乐的流派。（如果可用）（字符串）
- 影响者\活动\启动：这位有影响力的艺术家开始他们音乐生涯的十年。（整数）
- 跟随者id：一个唯一的识别号，给予被列为追随者的艺术家。（数字串）
- 跟随者姓名：跟随有影响力艺术家的艺术家的姓名。（字符串）
- 主要流派：最能描述下列艺术家创作的大部分音乐的流派。（如果可用）（字符串）
- 从动静启动：以下艺术家开始他们音乐生涯的十年。（整数）
Spotify“完整音乐数据”、“艺术家数据”、“年份数据”中的音频功能：
- 艺术家姓名：演唱曲目的艺术家。（数组）
- 艺术家id：影响中给出的相同唯一标识号_数据.csv文件。（数字串）
音乐特点：
- 舞蹈性：根据音乐元素的组合（包括节奏、节奏稳定性、拍子强度和整体规律性）来衡量一个曲目适合跳舞的程度。值0.0是最不可跳舞的，值1.0是最可跳舞的。（浮动）
- 能量：表示对强度和活动的感知的量度。值0.0表示强度/能量最小，值1.0表示强度/能量最大。通常，充满活力的音轨感觉很快，很响，很吵。例如，死亡金属具有很高的能量，而巴赫前奏曲在音阶上得分较低。感知特征包括动态范围、感知响度、音色、发生率和总熵。（浮动）
- 原子价：描述音轨所传达的音乐积极性的量度。值0.0是最负的，值1.0是最正的。高价音轨听起来更积极（例如。
快乐的，欢快的，愉悦的），而带有低价的音轨听起来更消极（例如悲伤的，沮丧的，愤怒的）。（浮动）
- 速度：以每分钟拍数（BPM）为单位的曲目的总估计速度。在音乐术语中，节奏是给定乐曲的速度或节奏，直接来自平均节拍持续时间。（浮动）
- 响度：音轨的总响度，单位为分贝（dB）。值的典型范围为-60到0 db。响度值是整个音轨的平均值，用于比较音轨的相对响度。响度是声音的质量，是身体力量（振幅）的主要心理关联。（浮动）
- 模式音阶：一个音轨的情态（大调或小调）的表示，音阶的音阶类型，它的旋律内容是从音阶派生出来的。主要由1表示，次要由0表示。
- 钥匙：轨道的估计总关键点。整数使用标准的音高类表示法映射到音高。E、 g.0=C，1=C♯/D♭，2=D，依此类推。如果未检测到密钥，则密钥的值为-1。（整数）
人声类型：
- 声学：轨道是否声学的置信度（无技术增强或电放大）。如果值为1.0，则表示音轨具有很高的可信度。（浮动）
- 工具性：预测曲目是否不包含人声。“哦”和“啊”的声音在这种情况下被视为乐器。说唱或口语曲目显然是“有声的”。“工具性”（instrumentalness）值越接近1.0，轨迹不包含声音内容的可能性就越大。大于0.5的值表示仪器轨迹，但当值接近1.0时，置信度更高。（浮动）
- 活泼：检测曲目中是否有观众。较高的活跃度值表示实时执行轨迹的概率增加。如果值高于0.8，则轨迹很有可能处于活动状态。（浮动）
- 言语：检测音轨中是否存在口语。像录音（例如脱口秀、有声读物、诗歌）这样的讲话越专一，属性值就越接近1.0。大于0.66的值描述了可能完全由口语组成的音轨。介于0.33和0.66之间的值表示可能包含音乐和语音的曲目，可以是分段的，也可以是分层的，包括说唱音乐等情况。低于0.33的值很可能表示音乐和其他非语音类曲目。（浮动）
- 明确的：检测曲目中的显式歌词（真（1）=是，它有；假（0）=否，它没有或未知）。（布尔值）
说明：
- 持续时间\u ms：磁道的持续时间（毫秒）。（整数）
- 人气：这首歌的流行程度。该值将介于0和100之间，其中100最受欢迎。流行度是通过算法计算出来的，在很大程度上是基于这首歌的总播放次数和最近播放的次数。一般来说，现在播放频率更高的歌曲会比过去播放频率更高的歌曲更受欢迎。重复曲目（例如，单曲和专辑中的同一曲目）是独立评分的。艺术家和专辑的受欢迎程度是从歌曲受欢迎程度数学推导出来的。（整数）
- 年：轨道发布的年份。（从1921年到2020年的整数）
- 发布日期：轨道发布的日历日期，主要采用yyyy-mm-dd格式，但日期的精度可能会有所不同，有些仅给出yyyy。
- 歌名（删）：磁道的名称。（字符串）软件被运行以删除歌曲标题中任何潜在的显式单词。
- 计数：特定艺术家在完整音乐中所代表的歌曲数_数据.csv文件。（整数）
[1]这些数据是从AllMusic.com
[2]这些数据来自Spotify的API
