P-003 · 2025 · Teamprojekt
Künstler-Einflussnetzwerke mit Neo4j
Graphanalyse musikalischen Einflusses von 1960 bis 2020: Cover-Daten von SecondHandSongs in Neo4j, bewertet mit PageRank, In-Degree und Betweenness, dann geclustert.
Drei Sichten auf Einfluss
Zentralitätsprofile mit Graph Data Science geclustert
Die Frage
Welche Künstler haben die Popmusik zwischen 1960 und 2020 am stärksten geprägt? Wir haben die Frage über einen messbaren Stellvertreter beantwortet: Wer wird von wem gecovert? Jedes auf SecondHandSongs erfasste Cover wird zu einer gerichteten Kante vom covernden zum ursprünglichen Künstler, gewichtet nach Häufigkeit.
Vorgehen
Wir haben Künstler, Songs und Cover in Neo4j geladen und daraus einen Einflussgraphen zwischen Künstlern projiziert. Abfragen mit Graph Data Science bewerten jeden Künstler auf drei Arten. Der In-Degree zählt, wie oft ein Künstler gecovert wird, PageRank belohnt zusätzlich Cover durch selbst einflussreiche Künstler, und Betweenness findet Künstler, die sonst getrennte Gruppen verbinden. K-Means-Clustering auf diesen Werten gruppiert Künstler mit ähnlichem Einflussprofil, und Neo4j Bloom macht die Gruppen erkundbar.
Ergebnisse
The Beatles liegen bei jedem Maß an der Spitze. Im veröffentlichten Graphen erhalten sie 9.389 Cover-Verbindungen, mehr als doppelt so viele wie Duke Ellington mit 4.486. Bob Dylan, Elvis Presley und die Rolling Stones liegen ebenfalls weit vorn, und die Cluster folgen grob Genres wie Rock, Jazz und Pop.
Meine Rolle und Grenzen
Ich habe im Rahmen eines Teamprojekts daran gearbeitet; das Repository enthält die Graphdaten, die Cypher-Abfragen und die Bloom-Konfiguration. Einfluss bedeutet hier dokumentierte Cover, daher beschreibt die Rangfolge diesen Graphen und nicht musikalische Bedeutung im Allgemeinen. Künstler, deren Cover auf SecondHandSongs gut dokumentiert sind, können im Ranking höher stehen, als es ihr allgemeiner Einfluss rechtfertigen würde.