简单的画了个音乐元素的构成图，图中的几个大模块我认为是决定音乐关系度的主要因素，并且也是音乐推荐服务或者说是音乐推荐系统的主线索。

这个图中最主体的是三个元素，数字音乐服务也基本都是以这三个元素作为主线。

这三个元素就是：歌手/乐队，专辑特性，歌曲特性。

例如Last.fm是以歌手/乐队为主线，而潘多拉则是以歌曲为主线。

歌手/乐队：由于性别差异引起的音域、音色差异，当然也有个人条件以及训练的方法引起。

如黑人民谣女歌手Tracy Chapman的嗓音就酷似男声。

文化背景的差异影响着歌手/乐队对音乐的表现和演绎方式。

The Beatles和The Rolling Stones同属于一个年代、都是来自于小城利物浦，在音乐的表现上却有着质的差异。

歌手/乐队在时间跨度比较大的，他们的作品往往可以按阶段来划分，在这些不同的阶段中，他们的风格和演绎方式都有非常大的变化。

每个乐队都有他的灵魂人物，乐队成员的构成变化都在影响着作品的表现。

Beyond乐队就是最好的例证。

这对于音乐推荐服务可能会引起这些问题：不同性别、不同文化背景的歌手演绎同一首歌曲该如何推荐？歌手在不同阶段演绎同一个作品时该如何推荐？不同乐队成员构成演绎的作品该如何推荐？歌曲特性：我认为把歌曲特性作为主线索是最理想化的模式，但是它也是最复杂的。

因为歌曲特性中包含了音乐风格（流派、类型）、音乐语言、节奏、旋律、调性、配器….等细节属性。

其中音乐类型又有上百种，并且这上百种类型又很难用一种去界定一个作品，音乐语言又取决于听者的感觉差异，而像调性、配器…连专业的音乐人对它界定也有难度。

据说潘多拉分析了上百种属性去部署它的音乐推荐系统，但这样结果是工作量超大，而且它还是只能做到相对精确。

如何根据歌曲特性去标记歌曲之间的关系度也就成了音乐推荐服务的最大难点。

专辑特性：专辑实际很难作为单一主线索，它的关系建立主要得依据专辑中的“主打歌曲”特性、歌手/乐队等元素来决定。

这我认为也是现有音乐下载类网站的弊端，这些网站在形成之初都是以专辑作为主要线索。

唱片公司：很多唱片公司旗下都有独立的厂牌，部分形成了明显的风格。

环球音乐集团旗下的”VERVE“就是世界上影响最大的爵士厂牌之一。

也就意味着同一唱片公司出品的音乐也有一定的关联度。

国家/区域：20世纪90年代的美国西雅图兴起的Grunge等音乐风格，有着诸多的关联。

民族音乐更是有着不同的语言和风格，而它又是直接受着地域限制。

年代：60、70、80年代的欧美音乐的配器、演绎风格都是有巨大的差异，同年代下的音乐关联性明显会高于不同年代。

制作团队：非创作性的歌手/演唱组的作品往往受词曲创作人的影响会非常大。

也就是说相同的词曲创作人创作的作品必然有较高的相关性。

这些音乐相关的元素对音乐之间相关性的建立起着主导的作用，而事实上这些元素又是有着重叠性和交叉性。

比如唱片公司的厂牌会跟歌曲、歌手的风格有着一定的重叠…如果能把音乐通过这些构成的元素以量化的指标去界定它们之间的关系，那就如人际SNS一样可以形成一个Music Network了.