P-003 · 2025 · Teamprojekt
Künstler-Einflussnetzwerke mit Neo4j
Ein Teamprojekt analysiert musikalischen Einfluss anhand von Coverversionen, Graphzentralität und Künstlergruppen.
Beitrag und Kontext
Ich habe an einer Graphdatenbank-Lösung zur Analyse von Künstlereinfluss und musikalischen Gruppen mitgearbeitet. Cover-Beziehungen aus SecondHandSongs werden als gerichtetes, gewichtetes Netzwerk für den Zeitraum 1960–2020 modelliert.
Methode
Cypher- und Neo4j-Graph-Data-Science-Abfragen berechnen In-Degree, PageRank und Betweenness. Clustering gruppiert Künstler nach ihren Zentralitätsprofilen. Neo4j Bloom ermöglicht die Exploration einflussreicher Künstler und ihrer Verbindungen.
Öffentliche Ergebnisse
Das Repository enthält Graphdaten, Cypher-Abfragen und Hinweise zur Visualisierung. Die dokumentierte Analyse nennt The Beatles als führenden Künstler über die gewählten Einflussmaße hinweg; weitere prominente Künstler sind Bob Dylan und Elvis Presley.
Einordnung
Einfluss wird über dokumentierte Cover-Beziehungen definiert. Die Ergebnisse beziehen sich auf diesen Datensatz und die gewählte Graphkonstruktion, nicht auf eine allgemeingültige Rangliste musikalischer Bedeutung.