Ｊ ｏｕｒ ｎａｌ ｏｆＣｏｍｍｕｎｉ ｃａｔ ｉ ｏｎ ａｎｄ Ｃｏｍｐｕｔ ｅｒ ９（ ２０１２）２３４— ２４１ … Ｎ ＢａｎｄＮａｖｉ ：Ｂａｎｄ． ． Ｍ ｅｍ ｂｅｒ Ｂａｃｋｔｒ ａｃｋｅｒ Ｂａｓｅｄ ｏｎ Ｍ ｅｍ ｂｅｒ Ｈｉ ｓｔｏｒｙ Ｉ ｎｆｏｒｍ ａｔｉ ｏｎ Ｍ ａｓａｔ ｏｓｈｉ Ｈａｍａｎａｋａ ａｎｄ Ｍｉ ｋｉ ｔ ｏ Ｙｏｓｈｉ ｙａ Ｄｅ ｐａ ｒ ｔ ｍｅ ｎ ｔ ｏ ｆｌ ｎｔ ｅ ｌ ｌ ｉ ｇｅ ｎｔ Ｉ ｎｔ ｅ ｒ ａｃ ｔ ｉ ｏ ｎ Ｔｅ ｃ ｈ ｎｏｌ ｏ ｇｉ ｅ ｓ ．Ｕｎ ｉ ｖ ｅｒ ｓ ｉ ｔ ｙ ｏ ｆＴ ｓ ｕｋ ｕ ｂａ ３０ ５— ８ ５７ ３ １－ Ｉ ・ ｌ Ｔ ｅ ｎｎ ｏｕ ｄａｉ Ｔ ｓ ｕ ｋ ｕ ｂａ ｌ ｂ ａｒ ａ ｋｉ ， Ｊ ａ ｐａｎ Ｒｅｃｅｉ ｖｅｄ：Ｓｅｐｔ ｅｍｂｅｒ ０５，２０ １ １／Ａｃｃｅｐｔ ｅｄ：Ｎｏｖｅｍｂｅｒ ０７，２０ １ １／Ｐｕｂｌ ｉ ｓｈｅｄ：Ｆｅｂｒ ｕａｒ ｙ ２９，２０ ｌ ２ Ａｂｓｔ ｒａｃｔ：Ａ ｂａｎｄ． ｍｅｍｂｅｒ ． ｂａｃｋｔ ｒ ａｃｋｉ ｎｇ ａｐｐｌ ｉ ｃａ ｔ ｉ ｏｎ ｃａｌ ｌ ｅｄ Ｂａ ｎｄ Ｎａｖｉ ｈａｓ ｂｅｅｎ ｄｅ ｖｅｌ ｏｐｅｄ ｔ ｈａ ｔ ｅｎａｂｌ ｅｓ ａ ｕｓｅｒ ｔ ｏ ｄｉ ｓ ｃｏｖｅｒ ｎｅｗ ｓｏｎｇｓ ａｎｄ ｂａｎｄｓ ｂｙ ｔ ｒ ａｃｉ ｎｇ ｍｕｓｉ ｃｉ ｎｓ ａ ｗｈｏ ｈａ ｖｅ ｐｌ ａｙｅｄ ｉ ｎ ｄｉ ｆ ｆ ｅｒ ｅｎｔ ｂａ ｎｄｓ．Ｐｒ ｅｖｉ ｏｕｓ ｓｉ ｍｉ ｌ ａｒ ｉ ｔ ｙ— ｂａｓ ｅｄ ｓ ｏｎｇ ｒ ｅｃ ｏｍｍｅｎｄａｔ ｉ ｏｎ ｓ ｙｓ ｔ ｅｍｓ ｏｎｌ ｙ ｒ ｅｔ ｒ ｉ ｅｖｅ ｓｉ ｍｉ ｌ ａｒ ｓ ｏｎｇｓ ，ｂｕｔ ｍａｎｙ ｒ ｅｔ ｒ ｉ ｅｖｅｄ ｒ ｅｓｕｌ ｔ ｓ ａｒ ｅ ｎｏｔ ｓ ｏｎｇｓ ｂｙ ｍｕｓ ｉ ｃｉ ａｎｓ ｔ ｈｅ ｕｓ ｅｒ ｌ ｉ ｋｅｓ ．Ｂｙ ｕｓ ｉ ｎｇ ａ ｗｅｂ－ ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅ，ｄａｔ ａ ｗａｓ ｃｏｌ ｌ ｅｃｔ ｅｄ ｏｎ ｍｅ ｍ ｂｅｒ ｈｉ ｓ ｔ ｏｒ ｙ ｉ ｎｆ ｏｒ ｍｍｉ ｏｎ ｏｆ ３０００ ｂａｎｄｓ ．Ｂａ ｎ ｄＮａ ｖｉ ｅｎａｂｌ ｅｓ ａ ｕｓ ｅｒ ｔ ｏ ｄｉ ｓ ｃｏｖｅｒ ｏｔ ｈｅｒ ｂａｎｄｓ ｉ ｎ ｗｈｉ ｃ ｈ ａ ｍ ｕｓｉ ｃｉ ａ ｎ ｈａ ｓ ｐ ｌ ａ ｙ ｅ ｄ． Ｂａ ｎｄ Ｎａ ｖ ｉ ｗａ ｓ ｉ ｍｐｌ ｅ ｍｅ ｎ ｔ ｅ ｄ ｏ ｎ ｔ ｈｅ ｉ Ｐｈｏ ｎｅ ．ａ ｎ ｄ ｅ ｘ ｐｅ ｒ ｉ ｍｅ ｎｔ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈｏ ｗ ｔ ｈ ａ ｔ ７０ ｐ ｅ ｒ ｃ ｅ ｎ ｔ ｏ ｆ ｓ ｕ ｂ ｊ ｅ ｃ ｔ ｓ ｕ ｎｄ ｅ ｒ ｓ ｔ ｏｏ ｄ ｈｏ ｗ ｔ ｏ ｕｓ ｅ Ｂａ ｎｄＮａｖｉ ｗｉ ｔ ｈｉ ｎ ｆ ｉ ｖｅ ｍｉ ｎｕｔ ｅｓ ７０ ｐｅｒ ｃｅｎｔ ｅｎｊ ｏｙｅｄ ｔ ｒ ａｃｉ ｎｇ ｔ ｈｅ ｂａ ｎｄｓ ｎ ｄ ａ ｔ ｈｅｉ ｒ ｍｅ ｍｂｅｒ ｓ’ｃｏｎｎｅｃｔ ｉ ｏｎｓ，ａ ｎ ｄ ５２ ｐｅｒ ｃｅｎｔ ｄｉ ｓ ｃｏｖｅｒ ｅｄ ａ ｐｒ ｅｖｉ ｏｕｓ ｌ ｙ ｕｎｋｎｏｗｎ ｂａｎｄ ｔ ｈａｔ ｔ ｈｅｙ ｌ ｉ ｋｅｄ． Ｋｅｙ ｗｏｒｄｓ：Ｍ ｕｓｉ ｃ ｒ ｅｃｏｍｍｅ ｎｄａ ｔ ｉ ｏｎ，ｂａ ｎ ｄ－ ｍｅｍｂｅｒ ，ｗｅｂ ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅ，ｂａ ｎ ｄ ｎｅｔ ｗｏｒ ｋ，ｉ Ｐｈｏｎｅ ａｐｐｌ ｉ ｃａｔ ｉ ｏｎ． Ｉ．ＩｎｔｒＯｄｕｃｔｊ０ｎ ｂｕｙ ｓｏｎｇｓ ｄｉ ｓｃｏｖｅｒ ｅｄ ｂｙ ｕｓｉ ｎｇ ｔ ｈｅ ｎａｖｉ ｇａｔ ｉ ｏｎ ｆ ｕｎｃｔ ｉ ｏｎ． Ｗ ｅ ｃａｎ ｎｏｗ ｅａｓｉ ｌ ｙ ｌ ｉ ｓｔ ｅｎ ｔ ｏ ａｎｄ ｓｔ ｏｒｅ ｅｎｏｒ ｍ ｏｕｓ ｎｕｍｂｅｒｓ ｏｆ ｓｏｎｇｓ ｏｎ Ｍ Ｐ３ ｐｌ ａｙｅｒｓ ａｎｄ ｓｍａｒ ｔｐｈｏｎｅｓ． ＢａｎｄＮ ａｖｉ ｄｉ ｓｐｌ ａｙｓ ｂａｎｄｓ ａｎｄ ｔ ｈｅｉ ｒ ｍｅｍｂｅｒｓ ｂｙ ｕｓｉ ｎｇ ｂａｎｄ－ｌ ｉ ｎｅｕｐ ｈｉ ｓｔ ｏｒｉ ｅｓ． Ｗ ｅ ｃａｎ ａｌ ｓｏ ｓｅｌ ｅｃｔ ａｎｄ ｂｕｙ ｓｏｎｇｓ ｖｅｒ ｙ ｅａｓｉ ｌ ｙ ｔ ｈｒｏｕｇｈ Ａ ｍｕｓｉ ｃｉ ａｎ ｗｉ ｌ ｌ ｏｆ ｔｅｎ ｈａｖｅ ｐｌ ａｙｅｄ ｉ ｎ ｏｒ ｗｉ ｔ ｈ ｍｏｒｅ ｏｎｌ ｉ ｎｅ ｍｕｓｉ ｃ ｓｔ ｏｒ ｅｓ．Ｈｏｗｅｖｅｒ，ｕｓｅｒｓ ｍ ａｙ ｎｏｔ ｂｅ ａｂｌ ｅ ｔｏ ｄｉ ｓｃｏｖｅｒ ｍａｎｙ ｓｏｎｇｓ ｔ ｈｅｙ ｍａｙ ｌ ｉ ｋｅ ｂｅｃａｕｓｅ ｔ ｈｅｙ ｓｐｅｎｄ ｖｅｒ ｙ ｌ ｉ ｔ ｔｌ ｅ ｔｉ ｍｅ ｃｈｏｏｓｉ ｎｇ ｓｏｎｇｓ ｔ ｏ ｂｕｙ ｅｖｅｎ ｔｈｏｕｇｈ ｔ ｈｅｙ ｓｐｅｎｄ ｕｓｅ ａ ｌ ｏｔ ｏｆｔｉ ｍｅ ｌ ｉ ｓ ｔｅｎｉ ｎｇ ｔ ｏ ｍｕｓｉ ｃ． Ｔｈｅｒ ｅｆ ｏｒｅ， ｗｅ ｈａｖｅ ｄｅｖｅｌ ｏｐｅｄ ａ ｂａｎｄ—ｍｅｍｂｅｒ ｂａｃｋｔ ｒ ａｃｋｉ ｎｇ ａｐｐｌ ｉ ｃａｔ ｉ ｏｎ ｃａｌ ｌ ｅｄ ＢａｎｄＮａｖｉ ｔ ｈａｔ ｅｎａｂｌ ｅｓ ａ ｕｓｅｒ ｔ ｏ ｄｉ ｓｃｏｖｅｒ ｐｒｅｖｉ ｏｕｓｌ ｙ ｕｎｋｎｏｗ ｎ ｓｏｎｇｓ ｏｒ ａｒ ｔ ｉ ｓｔ ｓ ｗｈｉ ｌ ｅ ｌ ｉ ｓ ｔ ｅｎｉ ｎｇ ｔｏ ａｎｏｔ ｈｅｒ ｓｏｎｇ ｏｒ ａｒ ｔｉ ｓｔ ．Ｔｈｅ ｍａｉ ｎ ａｄｖａｎｔ ａｇｅ ｏｆ ＢａｎｄＮａｖｉ ｉ ｓ ｔ ｈａｔ ｉ ｔ ｈａｓ ｔ ｈｅ ｆ ｏｌ ｌ ｏｗｉ ｎｇ ｔ ｗｏ ｍ ｏｄｅｓ． （ １ １ Ｎａｖｉ ｇａ ｔ ｉ ｏｎ ｍｏｄｅ Ｉｎ ｔ ｈｅ ｎａｖｉ ｇａｔ ｉ ｏｎ ｍｏｄｅ， ａ ｕｓｅｒ ｃａｎ ｄｉ ｓｃｏｖｅｒ ｃｏｎｎｅｃｔ ｅｄ ａｒ ｔ ｉ ｓｔ ｓ ａｎｄ ｓｏｎｇｓ ｗｈｉ ｌ ｅ ｌ ｉ ｓｔ ｅｎｉ ｎｇ ｔ ｏ ａ ｓｏｎｇ ｏｎ ａｍ ｕｓｉ ｃｐｌ ａｙｅｒ． （ ２）Ｍｅｄｉ ａ ａｃｃ ｅｓ ｓ ｍｏｄｅ Ｉｎ ｔｈｅ ｍｅｄｉ ａ ａｃｃｅｓｓ ｍｏｄｅ．ａ ｕｓｅｒ ｃａｎ ｌ ｉ ｓ ｔｅｎ ｔ ｏ ａｎｄ Ｃｏｒｒｅ ｓｐｏｎｄｉ ｎｇ ａｕｔｈｏｒ： Ｍ ａｓａ ｔ ｏｓ ｈｉ Ｈａｍａｎａｋａ， Ｐｈ． Ｄ． ｐｒ ｏｆ ｅｓ ｓ ｏｒ ， ｒｅｓ ｅａｒ ｃｈ ｆ ｉｅｌ ｄｓ ： ｍｕｓ ｉ ｃ ｉ ｎｆ ｏｒ ｍａｔ ｉ ｏｎ ｐｒ ｏｃ ｅｓ ｓｉ ｎｇ Ｅ－ ｍａｉ ｌ ： ｈ ａ ｍａ ｎａ ｋ ａ ＠ｉ ｉ ｔ ． ｔ ｓ ｕｋ ｕｂ ａ． ａｃ ． ｊ ｐ． ｔ ｈａｎ ｏｎｅ ｂａｎｄ；ｈｅ ｏｒ ｓｈｅ ｍａｙ ｈａｖｅ ｂｅｅｎ ａ ｇｕｅｓ ｔ ｍｕｓｉ ｃｉ ａｎ ａｎｄ／ ｏｒ ｈａｖｅ ｂｅｅｎ ａ ｍｅｍｂｅｒ ｏｆ ａ ｎｕｍｂｅｒ ｏｆ ｂａｎｄｓ．Ｔｈｅｒ ｅｆ ｏｒｅ，ｒ ｅｌ ａｔｉ ｏｎｓｈｉ ｐｓ ｂｅｔ ｗｅｅｎ ｍｕｓｉ ｃｉ ａｎｓ ａｎｄ ｂａｎｄｓ ｆｏｒ ｍ ａ ｃｏｍ ｐｌ ｅｘ ｎｅｔ ｗｏｒ ｋ．Ｗ ｅ ｃａｌ ｌ ｔ ｈｅ ｎｅｔ ｗｏｒ ｋ ｆｏｒ ｍ ｅｄ ｂｙ ｃｏｎｎｅｃｔｉ ｎｇ ｔ ｈｅ ａｆ ｉｌ ｉ ａｔ ｉ ｏｎｓ ｂｅｔ ｗ ｅｅｎ ｂａｎｄｓ ａｎｄ ｔ ｈｅｉ ｒ ｍｅ ｍｂｅ ｒ ｓ ｔ ｈｅ Ｂａｎｄ Ｎｅ ｔ ｗｏｒ ｋ （ Ｆｉ ｇ． １ ） ． ＢａｎｄＮａｖｉ ｃａｎ ｄｉ ｓｐｌ ａｙ ｔ ｈｅ ｂａｎｄｓ ａｎｄ ｍｕｓｉ ｃｉ ａｎｓ ｔ ｈａｔ ａｒｅ ｃｏｎｎｅｃｔ ｅｄ ｔ ｏ ｔｈｅ ｓ ｏｎｇ ｃｕｒｒｅｎｔ ｌ ｙ ｂｅｉ ｎｇ ｌ ｉ ｓｔ ｅｎｉ ｎｇ ｔｏ ｂｙ ｔ ｒａｃｉ ｎｇ ｔ ｈｉ ｓ ｎｅｔ ｗｏｒ ｋ． Ｔｏ ｉｎｄ ｆ ｔ ｈｅ ｎｅｔ ｗｏｒｋｓ ｏｆ ｃｏｎｎｅｃｔ ｉ ｏｎｓ ｂｅｔ ｗｅｅｎ ｂａｎｄｓ ａｎｄ ｔｈｅｉ ｒ ｍｅｍｂｅｒｓ，ｗｅ ｕｓｅ ｗｅｂ— ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅｓ． Ｈｏｗｅｖｅｒ， ｔ ｈｅｒ ｅ ａｒｅ ｔ ｗｏ ｐｒｏｂｌ ｅｍｓ ｗｉ ｔ ｈ ｕｓｉ ｎｇ ｔ ｈｅ ｎｅｔ ｗｏｒｋｓ ａｃｑｕｉ ｒ ｅｄ ｂｙ ｗｅｂ— ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅｓ ｆｏｒ ｔ ｒ ａｃｉ ｎｇ ｍ ｕｓｉ ｃｉ ａｎｓ’ｈｉ ｓｔ ｏｒｉ ｅｓ．Ｔｈｅ ｆ ｉｒｓ ｔ ｐｒ ｏｂｌ ｅｍ ｉ ｓ ｔ ｈａｔ ｗｅｂ－ ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅｓ ａｒｅ ｎｏｔ ｐｅｒ ｆ ｅｃｔ ａｎｄ ｓｏｍｅｔｉ ｍｅｓ ｃｏｌ ｌ ｅｃｔ ｗｒ ｏｎｇ ｉ ｎｆ ｏｒ ｍ ａｔ ｉ ｏｎ． Ｅｖｅｎ ｉ ｎｆ ｏｒ ｍａｔ ｉ ｏｎ ｆ ｒｏｍ Ｗｉ ｋｉ ｐｅｄｉ ａ ｈａｓ ｓｏｍｅ ｅｒｒ ｏｒｓ，ａｎｄ ｉ ｔ ｉ ｓ ｖｅｒ ｙ ｄｉ ｉ ｃｕｌ ｆ ｔ ｔ ｏ ｄｅｔ ｅｒ ｍ ｉ ｎｅ ｔ ｈｅｓｅ ｅｒｏｒｓ ｂｙ ｕｓｉ ｎｇ ｗｅｂ— ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅｓ． ＢａｎｄＮａｖｉ ：Ｂａｎｄ－ Ｍｅｍ ｂｅｒ Ｂａｃｋｔｒ ａｃｋｅｒ Ｂａｓｅｄ ｏｎ Ｍ ｅｍ ｂｅｒ Ｈｉ ｓｔ ｏｒ ｙ Ｉ ｎｆ ｏｒ ｍ ａｔ ｉ ｏｎ ２３５ ｅｘｐｌ ａｉ ｎｓ ｔ ｈｅ ｅｘｐｅｒｉ ｍｅｎｔ ａｌ ｒｅｓｕｌ ｔ ｓ， ａｎｄ Ｓｅｃｔ ｉ ｏｎ ７ ｃｏｎｃｌ ｕｄｅｓ ｔ ｈｅ ｐａｐｅｒ． ２．Ｒｅｌ ａｔ ｅｄ Ｗ ｏｒｋ Ｐｒｅｖｉ ｏｕｓ ｍｕｓｉ ｃ－ ｒｅｔｒ ｉ ｅｖａｌ ｍｅｔ ｈｏｄｓ ｔ ｈａｔ ｕｓｅ ｑｕｅｒｉ ｅｓ ｓ ｕｃｈ ａ ｓ ｓ ｉ ｍｉ ｌ ａ ｒ ｉ ｔ ｙ— ｂａｓ ｅ ｄ［ １－ ３］ｓ ｅａ ｒ ｃ ｈｉ ｎｇ ａ ｎｄ ｔ ｅｘｔ — ｂａｓ ｅｄ ｓ ｅ ａｒ ｃｈｉ ｎｇ【 ４］ａ ｒ ｅ ｕｓ ｅｆ ｕｌ ｆ ｏｒ ｎａｒ ｒ ｏｗｉ ｎｇ ａ ｌ ａ ｒ ｇｅ ｎｕｍｂｅｒ ｏｆ ｍｕｓｉ ｃａｌ ｐｉ ｅｃｅｓ，ｂｕｔ ａｆ ｔｅｒ ｔｈｅ ｌ ｉ ｓ ｔ ｏｆ ｒ ａｎｋｉ ｎｇｓ ｈａｓ ｂｅｅｎ Ｊｏｅ Ｌ ｙｎｎ Ｔｕｒ ｎｅｒ Ｆｉ ｇ． １ Ｎｅｔ ｗｏｒｋ ｓｈｏｗｉ ｎｇ ｃｏｎｎｅｃｔｉ ｏｎｓ ｂｅｔ ｗｅｅｎ ｍ ｕｓ ｉ ｃｉ ａｎｓ ｐｒｏｖｉ ｄｅｄ， ｗｅ ｈａｖｅ ｔ ｏ ｌ ｉ ｓｔ ｅｎ ｔ ｏ ｓｏｎｇｓ ｏｎｅ—ｂｙ—ｏｎｅ ｂｅｃａｕｓｅ ｎｏ ｃｏｎｓｉ ｄｅｒａｔ ｉ ｏｎ ｈａｓ ｂｅｅｎ ｇｉ ｖｅｎ ｔｏ ｆ ｉｎｄｉ ｎｇ ａｎｄ ｂａｎｄｓ ． ｓｏｎｇｓ ｏｎｅ ｆ ｏｒ ｗｈｉ ｃｈ ｈａｓ ａｎ ａｆ ｉ ｎｉ ｔ ｙ ｆ ｒｏｍ ｔｈｅ ｌ ｉ ｓｔ．Ｔｈｕｓ Ｔｈｅ ｗｒｏｎｇ ｉ ｎｆｏｒ ｍ ａｔ ｉ ｏｎ ｏｂｓｔ ｒｕｃｔｓ ｔ ｈｅ ｕｓｅｒｓ ｔ ｒｙｉ ｎｇ ｔ ｏ ｕｓｅｒ ｓ ｓ ｐｅｎｄ ａ ｌ ｏｔ ｏｆ ｔ ｉ ｍｅ ｌ ｉ ｓ ｔｅｎｉ ｎｇ ｔ ｏ ｎｅｗ ｓｏｎｇｓ ｗｈｉ ｌ ｅ ｓｅａｒ ｃｈ ｆ ｏｒ ａｎｄ ｆ ｉｎｄ ａｒ ｔ ｉ ｓｔ ｓ ｔ ｈｅｙ ｌ ｉ ｋｅ． Ｔｈｅ ｓｅｃｏｎｄ ｎｏｔ ａｌ ｗａｙｓ ｄｉ ｓｃｏｖｅｒｉ ｎｇ ｏｎｅｓ ｔ ｈｅｙ ｌ ｉ ｋｅ． ｐｒｏｂｌ ｅｍ ｉ ｓ ｔ ｈａｔ ｉ ｔ ｉ ｓ ｖｅｒｙ ｃｏｍｐｌ ｉ ｃａｔｅｄ ａｎｄ ｄｉ ｉ ｃｕｌ ｆ ｔ ｔ ｏ Ｍｕｓ ｉ ｃ ｒ ｅａ ｍ ［ ５】ｍａｋｅｓ ｉ ｔ ｐｏｓ ｓ ｉ ｂｌ ｅ ｔ ｏ ｉ ｎｔ ｅ ｒ ａｃ ｔ ｗｉ ｔ ｈ ｓｈｏｗ ａｌ ｌ ｔ ｈｅ ｍｅｍｂｅｒｓ ｏｆ ａ ｂａｎｄ ｉ ｎ ｗｈｉ ｃｈ ｍａｎｙ ｍ ａｎｙ ｍｕｓｉ ｃ ｃｏｌ ｌ ｅｃｔ ｉ ｏｎｓ ｂｙ ａｐｐｌ ｙｉ ｎｇ ａ ｓｉ ｍｉ ｌ ａｒ ｉ ｔ ｙ－ ｂａｓｅｄ ｍ ｕｓｉ ｃｉ ａｎｓ ｈａｖｅ ｐｌ ａｙｅｄ．Ｆｏｒ ｅｘａｍｐｌ ｅ，Ｗ ｈｉ ｔ ｅｓｎａｋｅ ｈａｓ ｓｔ ｉ ｃｋｉ ｎｇ ｆ ｕｎｃｔｉ ｏｎ ｗｈｉ ｃｈ ａｔ ｔａｃｈｅｓ ｓｉ ｍｉ ｌ ａｒ ｍｕｓｉ ｃａｌ ｐｉ ｅｃｅｓ ｈａｄ ｍｏｒｅ ｔ ｈａｎ ｔ ｈｉ ｒｔ ｙ ｍｅｍｂｅｒｓ ｉ ｎ ｔｏｔ ａ１ ．Ｉｆ ｔ ｈｅ ｓｙｓｔ ｅｍ ｔ ｏ ａ ｍｕｓｉ ｃａｌ ｐｉ ｅｃｅ ｓｅｌ ｅｃｔ ｅｄ ｂｙ ｔｈｅ ｕｓｅｒ．Ｈｏｗｅｖｅｒ， ｏｎｌ ｙ ｓｈｏｗｓ ａ ｌ ｉ ｓｔ ｏｆ Ｗ ｈｉ ｔｅｓｎａｋｅ’ ｓ ｐａｓ ｔ ａｎｄ ｐｒ ｅｓｅｎｔ Ｍ ｕｓｉ ｃｒｅａｍ ｈａｓ ｔ ｈｅ ｓａｍｅ ｐｒ ｏｂｌ ｅｍ ａｓ ｐｒｅｖｉ ｏｕｓ ｍｅｍｂｅｒ ｓ．ｉ ｔ ｉ ｓ ｖｅｒ ｙ ｄｉ ｉ ｃｕｌ ｆ ｔ ｔｏ ｄｉ ｓｃｏｖｅｒ ｃｌ ｏｓｅｌ ｙ ｒｅｌ ａｔ ｅｄ ｍｕｓｉ ｃ— ｒ ｅ ｔ ｒ ｉ ｅｖａｌ ｍｅｔ ｈｏｄｓ［ １ － ４］ ，ｂｅ ｃａ ｕｓ ｅ ｕｓ ｅｒ ｓ ｄｏ ｎｏｔ ｂａｎｄｓ ｌ ｉ ｋｅ Ｄｅｅｐ Ｐｕｒ ｐｌ ｅ． ａｌ ｗａｙｓ ｌ ｉ ｋｅ ｓｏｎｇｓ ｔ ｈａｔ ａｒｅ ｓｉ ｍｉ ｌ ａｒ ｔ ｏ ｏｔ ｈｅｒ ｓｏｎｇｓ ｔ ｈｅｙ Ｔｏ ｓｏｌ ｖｅ ｔｈｅｓｅ ｐｒｏｂｌ ｅｍｓ．ＢａｎｄＮａｖｉ ｌ ｉ ｓｔ ｓ ｍｅｍｂｅｒｓ ｌ ｉ ｋｅ． ｏｆ ａ ｂａｎｄ ｆ ｏｕｎｄ ｗｈｉ ｌ ｅ ｗｅｂ ｍｉ ｎｉ ｎｇ ｉ ｎ ｏｒ ｄｅｒ ｏｆ Ｏｎ ｔ ｈｅ ｏｔ ｈｅ ｒ ｈａｎｄ，ｃ ｏｌ ｌ ａｂｏｒ ａ ｔ ｉ ｖｅ ｆ ｉｌ ｔ ｅ ｒ ｉ ｎｇ ［ ６，７］ ｉ ｍｐｏｒ ｔａｎｃｅ．Ｔｈｅｒ ｅｆｏｒ ｅ， ａ ｕｓｅｒ ｃａｎ ｄｉ ｓｃｏｖｅｒ ａｒ ｔｉ ｓ ｔ ｓ ｅｎａｂｌ ｅｓ ｕｓ ｅｒｓ ｗｉ ｔ ｈ ｓｉ ｍｉ ｌ ａｒ ｔ ａｓｔ ｅｓ ｔ ｏ ｂｅ ｆ ｏｕｎｄ ａｎｄ ｃｌ ｏｓｅｌ ｙ ｒｅｌ ａｔ ｅｄ ｔｏ ｈｉ ｓ／ ｈｅｒ ｆａｖｏｒｉ ｔ ｅ ｂａｎｄ ｂｙ ｔｒ ａｃｉ ｎｇ ｔ ｈｅ ｒｅｃｏｍｍｅｎｄｓ ｔｈｅｓｅ ｓｉ ｍｉ ｌ ａｒ ｕｓｅｒｓ’ ｆａｖｏｒ ｉ ｔ ｅ ｓｏｎｇｓ ｂｙ ｃｏｎｎｅｃｔｉ ｏｎｓ ｏｆｔ ｈｅ ｍ ｏｒ ｅ ｉ ｍ ｐｏｒｔ ａｎｔ ｂａｎｄ ｍｅｍｂｅｒｓ． ｕｓｉ ｎｇ ｔ ｈｅｉ ｒ ｓｏｎｇ— ｐｕｒ ｃｈａｓｅ ｈｉ ｓｔ ｏｒｉ ｅｓ．Ｈｏｗｅｖｅｒ ｔ ｈｅｓｅ ， Ｉ ｎ ｔ ｈｅ ｅｘｐｅｒｉ ｍｅｎｔ ， ｗｅ ｅｖａｌ ｕａｔｅｄ ｈｏｗ ｗｅｌ ｌ ｗｅｂ ｍ ｅｔ ｈｏｄｓ ｈａｖｅ ｄｉ ｉ ｃｕｌ ｆ ｔ ｙ ｒ ｅｃｏｍｍｅｎｄｉ ｎｇ ｓ ｏｎｇｓ ｔｈａｔ ａｒｅ ｍｉ ｎｉ ｎｇ ｃｏｌ ｌ ｅｃｔ ｓ ｔ ｈｅ ｎａｍｅｓ ｏｆ ｂａｎｄ ｍｅｍｂｅｒｓ．Ｗ ｅ ｕｓｅｄ ｎｏｔ ｆａｍ ｏｕｓ．ｂｅｃａｕｓｅ ｉ ｔ ｉ ｓ ｄｉ 艏 ｃｕｌ ｔ ｔ ｏ ｃｏｌ ｌ ｅｃｔ ｕｎｆａｍｏｕｓ ５０ ｂａｎｄｓ ｆｏｒ ｔ ｈｉ ｓ ｅｘｐｅｒ ｉ ｍｅｎｔ ，ａｎｄ ８６ ｐｅｒｃｅｎｔ ｏｆ ｒｅｓｕｌ ｔ ｓ ｂａｎｄｓ’ｓｏｎｇｓ ｆ ｒ ｏｍ ｓｏｎｇ— ｐｕｒｃｈａｓｅ ｈｉ ｓｔ ｏｒｉ ｅｓ ． ｃｏｎｓｉ ｓ ｔ ｏｆ ｔ ｈｅ ｔｏｐ ｆ ｉｖｅ ｍ ｏｓ ｔ ｉ ｍｐｏｒ ｔａｎｔ ｍ ｅｍ ｂｅｒｓ ｏｆ Ｗ ｅ ｔ ｈｉ ｎｋ ｏｎｅ ｗａｙ ｆｏｒ ｄｉ ｓｃｏｖｅｒｉ ｎｇ ａｎ ｕｎｋｎｏｗｎ ｄｉ ｆ ｆｅｒｅｎｔ ｂａｎｄｓ．Ｗ ｅ ａｌ ｓｏ ｃｏｎｄｕｃｔ ｅｄ ａｎ ｅｘｐｅｒｉ ｍｅｎｔ ｍｕｓｉ ｃａｌ ｍ ａｓｔ ｅｒ ｐｉ ｅｃｅ ｉ ｓ ｔ ｏ ｒｅｃｅｉ ｖｅ ｒｅｃｏｍｍｅｎｄａｔ ｉ ｏｎｓ ｗｉ ｔ ｈ １ ７ ｓ ｕｂ ｊ ｅｃ ｔ ｓ：７０ ｐｅｒ ｃｅｎｔ ｕｎｄｅｒ ｓ ｔ ｏｏｄ ｈｏｗ ｔ ｏ ｕｓ ｅ ｒｏｍ ｐｅｏｐｌ ｆ ｅ ｗｈｏ ａｒｅ ｋｎｏｗｌ ｅｄｇｅａｂｌ ｅ ａｂｏｕｔ ｍｕｓｉ ｃ ＢａｎｄＮａｖｉ ｗｉ ｔ ｈｉ ｎ ｆ ｉｖｅ ｍｉ ｎｕ ｔ ｅｓ ，７０ ｐｅｒ ｃ ｅｎｔ ｓ ｅ ｎ ｊ ｏｙｅｄ ｂｅｃａｕｓｅ ｔ ｈｅｙ ｐｒｏｂａｂｌ ｙ ｋｎｏｗ ｔ ｈｅ ｂａｃｋｇｒ ｏｕｎｄ ｔ ｒ ａｃｉ ｎｇ ｔ ｈｅ ｂａ ｎ ｄｓ ａｎｄ ｔ ｈｅｉ ｒ ｍ ｅｍｂｅｒｓ’ｃｏｎｎｅｃｔｉ ｏｎｓ，ａｎｄ ｉ ｎｆ ｏｒ ｍ ａｔ ｉ ｏｎ ｏｆ ｓｏｎｇｓ．Ｏｕｒ ｇｏａｌ ｉ ｓ ｔｏ ｄｅｖｅｌ ｏｐ ａ ｓｙｓｔ ｅｍ ５２ ｐｅｒｃｅｎｔ ｄｉ ｓｃｏｖｅｒ ｅｄ ａ ｂａｎｄ ｔ ｈｅｙ ｌ ｉ ｋｅｄ ｂｕｔ ｄｉ ｄ ｎｏｔ ｔ ｈａｔ ｅｘｔ ｒａｃｔ ｓ ｄｅｅｐ ｋｎｏｗｌ ｅｄｇｅ ａｂｏｕｔ ｓｏｎｇｓ ｂｙ ｗｅｂ ｋｎｏｗ ｂｅｆｏｒ ｅ． ｍｉ ｎｉ ｎｇ ｔ ｈａｔ ｅｎａｂｌ ｅｓ ａ ｕｓｅｒ ｔ ｏ ｆ ｉｎｄ ｓｏｎｇｓ ｉ ｎ ｔ ｈｅ ｓａｍｅ Ｔｈｉ ｓ ｐａｐｅｒ ｉ ｓ ｏｒｇａｎｉ ｚｅｄ ａｓ ｆ ｏｌ ｌ ｏｗｓ．Ｓｅｃｔｉ ｏｎ ２ ｂｒ ｉ ｅｆ ｌｙ ｄｉ ｓｃｕｓｓｅｓ ｔ ｈｅ ｒｅｌ ａｔ ｅｄ ｗｏｒ ｋｓ． Ｓｅｃｔ ｉ ｏｎ ３ ｇｉ ｖｅｓ ａｎ ， ｗａｙ ａｓ ａ ｐｅｒｓｏｎ ｗｈｏ ｉ ｓ ｋｎｏｗｌ ｅｄｇｅａｂｌ ｅ ａｂｏｕｔ ｍｕｓｉ ｃ． Ｔｈｅ ｉ ｄｅａ ｂｅｈｉ ｎｄ Ｍ ｕｓ ｉ ｃＲａ ｉ ｎｂｏｗ 【 ８】ｉ ｓ ｓ ｉ ｍｉ ｌ ａｒ ｔ ｏ ｏｕｒ ｓ 。 ｏｖｅｒ ｖｉ ｅｗ ｏｆ ＢａｎｄＮａｖｉ ａｎｄ ｄｉ ｓｃｕｓｓｅｓ ｔ ｈｅ ｐｒ ｏｂｌ ｅｍｓ ｉ ｎ ｂｅｃａｕｓｅ Ｍ ｕｓｉ ｃＲａｉ ｎｂｏｗ ｅｘｔ ｒ ａｃｔｓ ｋｎｏｗｌ ｅｄｇｅ ｆ ｒ ｏｍ ｔｈｅ ｄｅｖｅｌ ｏｐｉ ｎｇ ｔ ｈｅ ｓｙｓｔ ｅｍ ａｎｄ ｔ ｈｅｉ ｒ ｓｏｌ ｕｔ ｉ ｏｎｓ．Ｓｅｃｔｉ ｏｎ ４ ｗｅｂ． Ｍ ｕｓｉ ｃＲａｉ ｎｂｏｗ ｄｉ ｓ ｐｌ ａｙｓ ｓ ｏｎｇｓ ｃｉ ｒｃｕｌ ａｒｌ ｙ ｅｘｐｌ ａｉ ｎｓ ｔ ｈｅ ｕｓｅｒ ｉ ｎｔ ｅｒ．ｆ ａｃｅ ｏｆ ＢａｎｄＮａｖｉ ．Ｓｅｃｔｉ ｏｎ ５ ｄｅｐｅｎｄｉ ｎｇ ｏｎ ａｕｄｉ ｏ—ｂａｓｅｄ ｓｉ ｍｉ ｌ ａｒｉ ｔ ｙ ａｎｄ ａｄｄｓ ｗｏｒ ｄｓ ｄｅｓｃｒｉ ｂｅｓ ｈｏｗ ｔ ｏ ｆ ｉｎｄ ｔ ｈｅ Ｂａｎｄ Ｎｅｔ ｗｏｒ ｋ．Ｓｅｃｔｉ ｏｎ ６ ｒｅｔｒ ｉ ｅｖｅｄ ｆｒ ｏｍ ｗｅｂ ｐａｇｅｓ ｔ ｏ ｄｅｓｃｒｉ ｂｅ ｅａｃｈ ａｒ ｔｉ ｓｔ ． ＢａｎｄＮａｖｉ ：Ｂａｎｄ－ Ｍ ｅｍ ｂｅｒ Ｂａｃｋｔｒ ａｃｋｅｒ Ｂａｓｅｄ ｏｎ Ｍ ｅｍ ｂｅｒ Ｈｉ ｓｔ ｏｒ ｙ Ｉ ｎｆ ｏｒｍａｔ ｉ ｏｎ ｍ ｅｍ ｂｅｒｓ。 ａｎｄ ｇｕｅｓ ｔ ａｎｄ／ｏｒ ｓｅｓｓｉ ｏｎ ｍｕｓｉ ｃｉ ａｎｓ ｆ ｏｒ ｒ ｅｃｏｒ ｄｉ ｎｇｓ ａｎｄ／ ｏｒ ｌ ｉ ｖｅ ｐｅｒｆ ｏｒ ｍ ａｎｃｅｓ．Ｉｆ ｗｅ ｄｉ ｓｐｌ ａｙ ｔ ｈｉ ｓ ｃｏｍｐｌ ｉ ｃａｔｅｄ ｎｅｔ ｗｏｒ ｋ ｏｎ ｉ Ｐｈｏｎｅ ａｓ ａ ｃｏｂｗｅｂ，ｉ ｔ ｉ ｓ ｖｅｒ ｙ ｄｉ ｉ ｃｕｌ ｆ ｔｔ ｏ ｆｏｌ ｌ ｏｗ． ２３７ ３． ２． ２ Ａｕｔ ｏｍａｔｉ ｃ Ａｃｑｕｉ ｓｉ ｔ ｉ ｏｎ ｏｆ Ｂａｎｄ Ｍ ｅｍｂｅｒ Ｎ ａｍ ｅｓ Ｔｏ ａｃｑｕｉ ｒｅ ｎａｍｅｓ ｏｆ ａ ｂａｎｄ’ ｓ ｍｅｍｂｅｒ，ｗｅ ｕｓｅ ｗｅｂ－ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅｓ ｉ ｎ ｗｈｉ ｃｈ ｗｅ ｆ ｉｒｓ ｔ ｃｏｌ ｌ ｅｃｔ ｗｅｂ Ｔｏ ｓｉ ｍｐｌｉ ｆｙ ｔ ｈｅ ｎｅｔ ｗｏｒ ｋ，ｗｅ ｃａｎ ｏｍｉ ｔ ｔ ｈｅ ｇｕｅｓ ｔ ａｎｄ ｐａｇｅｓ ａｂｏｕｔ ｔｈｅ ｂａｎｄ ｂｙ ｕｓｉ ｎｇ Ｇｏｏｇｌ ｅ ｓｅａｒ ｃｈ ＡＰＩ ａｎｄ ｓｅｓｓｉ ｏｎ ｍｕｓｉ ｃｉ ａｎｓ ｔ ｈａｔ ｐｒｏｖｉ ｄｅ ｗｅａｋ ｃｏｎｎｅｃｔ ｉ ｏｎｓ ｔ ｈｅｎ ａｃｑｕｉ ｒ ｅ ｔ ｈｅ ｂａｎｄ ｍｅｍｂｅｒｓ’ ｎａｍｅｓ ｂｙ ａ ｂｅｔｗｅｅｎ ｂａｎｄｓ． Ｈｏｗｅｖｅｒ， ｏｍ ｉ ｔ ｔ ｉ ｎｇ ｔ ｈｅｓｅ ｗｅａｋ ｐａｔｅｒ ｎ— ｍａｔ ｃｈｉ ｎｇ ｍｅｔ ｈｏｄ． Ｂｅｃａｕｓｅ ｗｅｂ— ｍｉ ｎｉ ｎｇ ｃｏｎｎｅｃｔｉ ｏｎｓ ｉ ｓ ｐｒ ｏｂｌ ｅｍａｔ ｉ ｃ ｂｅｃａｕｓｅ ｔｈｅ ｏｍｉ ｔｔ ｅｄ ｔｅｃｈｎｉ ｑｕｅｓ ｓｏｍｅｔ ｉ ｍｅｓ ｃｏｌ ｌ ｅｃｔ ｗｒ ｏｎｇ ｒｅｓｕｌ ｔｓ，ｗｅ ａｌ ｓｏ ｉ ｎｆｏｒ ｍ ａｔ ｉ ｏｎ ｃａｎ ｂｅ ｉ ｍｐｏｒｔ ａｎｔ ｆｏｒ ｔ ｈｅ ｕｓｅｒ ｗｈｏ ｗａｎｔ ｓ ｐｒｅｐａｒｅｄ ａ ｍａｎｕａｌ ｅｄｉ ｔ ｉ ｎｇ ｏｐｔ ｉ ｏｎ ｆ ｏｒ ｂａｎｄ ｍｅｍｂｅｒ’ ｓ ｋｎｏｗ ａｂｏｕｔ ｔ ｈｅ ｂａｎｄ ｍ ｏｒｅ ｄｅｅｐｌ ｙ． ｎａｍｅｓ．Ｏｎｌ ｙ ｔ ｈｅ ｂｉ ｇ ｆ ａｎｓ ｏｆ ａ ｐａｒ ｔｉ ｃｕｌ ａｒ ｂａｎｄ ｃａｎ ｕｓｅ ３．１． ２ Ｈｏｗ ｔ ｏ Ａｃｑｕｉ ｒ ｅ Ｍ ｅｍ ｂｅｒ ｓ’Ｎａｍｅｓ ｔ ｈｉ ｓ ｍａｎｕａｌ ｅｄｉ ｔ ｏｒ，ｂｅｃａｕｓｅ ｔ ｈｅｙ ａｒ ｅ ａｓｓ ｕｍｅｄ ｔ ｏ ｂｅ Ｗｉ ｋｉ ｐｅｄｉ ａ ａｎｄ Ｍ ｕｓｉ ｃＢｒ ａｉ ｎｚ ｈａｖｅ ｐａｇｅｓ ｆ ｏｒ ｂａｎｄｓ ｋｎｏｗｌ ｅｄｇｅａｂｌ ｅ ａｂｏｕｔ ｔ ｈｅ ｂａｎｄ．Ｔｈｅ ＢａｎｄＮａｖｉ ｈｅｌ ｐｓ ｔ ｈａｔ ｌ ｉ ｓ ｔ ｔ ｈｅｉ ｒ ｍｅｍ ｂｅｒｓ’ｎａｍｅｓ．Ｈｏｗｅｖｅｒ，ｔ ｈｅｓｅ ｐａｇｅｓ ｔ ｈｅ ｕｓｅｒ ｔｏ ｅｄｉ ｔ ｉ ｎｇ ｔ ｈｅ ｉ ｎｆ ｏｒ ｍ ａｔｉ ｏｎ ｏｆ ｂａｎｄ ｍ ｅｍ ｂｅｒｓ’ ａｒ ｅ ｎｏｔ ｅｎｏｕｇｈ，ｂｅｃａｕｓｅ ｍａｎｙ ｎｅｗ ｏｒ ｍｉ ｎｏｒ ｂａｎｄｓ ｄｏ ｎａｍｅｓ ｂｙ ｄｉ ｓ ｐｌ ａｙｉ ｎｇ ｔ ｈｅ ｗｅｂ ｐａｇｅｓ ｆ ｒｏｍ ｗｈｉ ｃｈ ｔ ｈｅ ｎｏｔ ｈａｖｅ ｐａｇｅｓ ｏｎ Ｗｉ ｋｉ ｐｅｄｉ ａ ｏｒ Ｍ ｕｓｉ ｃＢｒ ａｉ ｎｚ，ａｎｄ ｅｖｅｎ ｂａｎｄ ｍ ｅｍｂｅｒｓ’ｎａｍｅｓ ｗａｓ ｅｘｔｒ ａｃｔ ｅｄ ｂｙ ｗｅｂ—ｍｉ ｎｉ ｎｇ ｗｈｅｎ ｔｈｅｙ ｄｏ，ｍｏｓｔ ｏｆ ｔ ｈｅｓｅ ｐａｇｅｓ ｄｏ ｎｏｔ ｈａｖｅ ｔ ｈｅ ｔ ｅｃｈｎｉ ｑｕｅｓ． ｉ ｎｆ ｏｒｍａｔｉ ｏｎ ａｂｏｕｔ ｔ ｈｅｉ ｒ ｍｅｍｂｅｒｓ．Ｆｕｒ ｔｈｅｒｍｏｒｅ，ｇｕｅｓｔ ｏｒ ｓｅｓｓｉ ｏｎ ｍｕｓｉ ｃｉ ａｎｓ ａｒｅ ｎｏｔ ｍｅｎｔ ｉ ｏｎｅｄ ｏｎ ｍ ｏｓｔ ｂａｎｄ ４．Ｕ ｓｅｒ Ｉｎｔ ｅｒｆ ａｃｅ ｐａｇｅｓ ｏｎ Ｗ ｉ ｋｉ ｐｅｄｉ ａ ａｎｄ Ｍ ｕｓｉ ｃＢｒａｉ ｎｚ，ｓ ｏ ｉ ｎｆ ｏｒ ｍ ａｔｉ ｏｎ ＢａｎｄＮａｖｉ ｃｏｎｓｉ ｓ ｔｓ ｏｆ ａ ｃｌ ｉ ｅｎｔ ａｐｐｌ ｉ ｃａｔｉ ｏｎ ｏｎ ｔ ｈｅ ｏｒ ｆ ｃｏｎｓ ｔｒ ｕｃｔ ｉ ｎｇ ｔ ｈｅ ｎｅｔ ｗｏｒ ｋ ｃａｎｎｏｔ ｂｅ ｓｕｆ ｉ ｃｉ ｆ ｅｎｔ ｌ ｙ ｉ Ｐｈｏｎｅ ａｎｄ ａ ｓｅｒ ｖｅｒ ａｐｐｌ ｉ ｃａｔ ｉ ｏｎ ｔ ｈａｔ ａｕｔ ｏｍａｔ ｉ ｃａｌ ｌ ｙ ａｃｑｕｉ ｒｅｄ ｒｏｍ ｆ ｔ ｈｅｓｅ ｐａｇｅｓ． ａｃｑｕｉ ｒｅｓ ｔ ｈｅ ｂａｎｄ ｍ ｅｍ ｂｅｒ ｓ’ ｎａｍ ｅｓ． Ｔｈｅ ＢａｎｄＮ ａｖｉ ｃｌ ｉ ｅｎｔ ａｐｐｌ ｉ ｃａｔ ｉ ｏｎ ｈａｓ ｔ ｈｒｅｅ ｍｏｄｅｓ：ｎａｖｉ ｇａｔｉ ｏｎ ｍｏｄｅ ３． ２ Ｓｏｌ ｕｔ ｉ ｏｎｓｆｏ，Ｔｈｅ ｓｅ Ｐｒ ｏｂｌ ｅｍｓ ０ｕｒ ｓｏｌ ｕｔ ｉ ｏｎ ｆ ｏｒ ｔ ｈｅｓｅ ｐｒｏｂｌ ｅｍｓ ｌ ｓ ｔｏ ｉ ｎｔ ｒ ｏｄｕｃｅ ｗｅｂ （ ｓ ｅ ｃｔ ｉ ｏｎ ４． １ ） ，ｍｅｄｉ ａ ａｃ ｃｅ ｓｓ ｍｏｄｅ（ ｓ ｅｃ ｔ ｉ ｏｎ ４． ２） ，ａｎｄ ｂｒ ｏｗｓ ｅ ｍｏｄｅ（ ｓ ｅ ｃｔ ｉ ｏｎ ４－ ３）（ Ｆｉ ｇ．３） ． ｍｉ ｎｉ ｎｇ—ｍｅｔｈｏｄｓ ｔ ｈａｔ ｃｏｌ ｌ ｅｃｔ ｔ ｈｅ ｉ ｎｆ ｏｒ ｍ ａｔｉ ｏｎ ｏｆ ｍ ｅｍｂｅｒｓ’ｎａｍｅ ｂｙ ｔｒ ａｗｌ ｉ ｎｇ ｔ ｈｒｏｕｇｈ ｗｅｂ ｐａｇｅｓ． ３． ２． １ Ｉ ｎｔ ｒｏｄｕｃｅ Ｉ ｍｐｏｒ ｔ ａｎｃｅ Ｌｅｖｅｌ ｏｆ Ｍ ｅｍｂｅｒｓ Ｔｏ ｓｏｌ ｖｅ ｔ ｈｅ ｐｒ ｏｂｌ ｅｍ ｏｆ ｃｏｍｐｌ ｉ ｃａｔ ｅｄ ｎｅｔ ｗｏｒ ｋｓ，ｗｅ ｉ ｎｔ ｒｏｄｕｃｅ ａｎ ｉ ｍｐｏｒ ｔａｎｃｅ ｌ ｅｖｅｌ ｆ ｏｒ ｍｅｍ ｂｅｒ ｓ． Ｗ ｅ ４． １ Ｎａｖｉ ｇａｔ ｉ ｏｎＭ ｏｄｅ Ｉ ｎ ｎａｖｉ ｇａｔ ｉ ｏｎ ｍｏｄｅ，ｗｅ ｃａｎ ｔ ｒａｃｅ ｍｕｓｉ ｃｉ ａｎｓ’ｗｏｒ ｋ ｂｙ ｉ ｔｅｒａｔ ｉ ｖｅｌ ｙ ｌ ｉ ｓｔ ｉ ｎｇ ｂａｎｄ ｍｅｍｂｅｒｓ ａｎｄ ｏｔ ｈｅｒ ｂａｎｄｓ ｉ ｎ ｗｈｉ ｃｈ ｅａｃｈ ｍｅｍｂｅｒ ｈａｓ ｐｌ ａｙｅｄ． ｃａｌ ｃｕｌ ａｔ ｅ ｔ ｈｅ ｉ ｍｐｏｒ ｔａｎｃｅ ｌ ｅｖｅｌ ｏｆ ｅａｃｈ ｍ ｅｍｂｅｒ ｉ ｎ ａ Ｗ ｈｅｎ ａ ｕｓｅｒ ｐｌ ａｙｓ ａ ｓｏｎｇ ｕｓｉ ｎｇ ｔ ｈｅ ＢａｎｄＮａｖｉ ｃｌ ｉ ｅｎｔ ｂａｎｄ ｂｙ ｕｓｉ ｎｇ ｄｏｃｕｍｅｎｔ ｆ ｒｅｑｕｅｎｃｙ ｉ ｎ ｔ ｈｅ ｗｅｂ ｐａｇｅｓ ａｐｐｌｉ ｃａｔｉ ｏｎ ｏｎ ａｎ ｉ Ｐｈｏｎｅ， ｔ ｈｅ ｃｌ ｉ ｅｎｔ ａｐｐｌ ｉ ｃａｔ ｉ ｏｎ ｗｈｅｎ ｃｏｌ ｌ ｅｃｔ ｉ ｎｇ ｂａｎｄ ｍｅｍｂｅｒ ｓ’ｎａｍｅｓ ｕｓｉ ｎｇ Ｇｏｏｇｌ ｅ ａｕｔ ｏｍａｔ ｉ ｃａｌ ｌ ｙ ａｃｑｕｉ ｒ ｅｓ ａｎｄ ｄｉ ｓｐｌ ａｙｓ ｍｅｍｂｅｒ ｓ’ｎａｍｅｓ ＡＰＩ．Ｔｈｕｓ ＢａｎｄＮａｖｉ ｌ ｉ ｓｔ ｓ ｂａｎｄ ｍｅｍｂｅｒｓ ｉ ｎ ｔ ｅｒ ｍｓ ｏｆ ｂｙ ｃｏｍｍｕｎｉ ｃａｔ ｉ ｎｇ ｗｉ ｔ ｈ ｔ ｈｅ ｄａｔ ａ ｂａ ｓ ｅ ｏｎ ｔ ｈｅ ｓ ｅ ｒ ｖｅｒ（ Ｆｉ ｇ． ｔ ｈｅｉ ｒ ｏｒｄｅｒ ｏｆ ｉ ｍｐｏｒ ｔａｎｃｅ．Ｆｏｒ ｅｘａｍｐｌ ｅ，ａ ｂａｎｄ ｍｅｍ ｂｅｒ ３ａ ） ．Ｔｈｅ ｎ，ｂａｎｄｓ ｉ ｎ ｗｈｉ ｃ ｈ ａ ｍｕｓ ｉ ｃ ｉ ａｎ ｈａ ｓ ｐｌ ａｙｅｄ ａ ｒ ｅ ｗｈｏ ｐｌ ａｙｅｄ ｉ ｎ ｔ ｈｅ ｂａｎｄ ｆ ｏｒ ａ ｌ ｏｎｇ ｔ ｉ ｍｅ ａｎｄ ｉ ｓ ｏｆ ｔ ｅｎ ｄｉ ｓ ｐｌ ａ ｙｅ ｄ ｗｈｅ ｎ ａ ｕｓ ｅ ｒ ｔ ａｐｓ ｈｉ ｓ ／ ｈｅ ｒ ｎａｍｅ（ Ｆｉ ｇ．３ｂ） ． Ｎｅ ｘｔ ， ｍ ｅｎｔ ｉ ｏｎｅｄ ｏｎ ｔ ｈｅ ｗｅｂ ｐａｇｅｓ ｉ ｓ ｌ ｉ ｓｔ ｅｄ ｈｉ ｇｈｅｒ ｔ ｈａｎ ａ ｎａｍｅｓ ｏｆ ａｎｏｔ ｈｅｒ ｂａｎｄ’ ｓ ｍｅｍｂｅｒ ｓ ａｒ ｅ ｄｉ ｓｐｌ ａｙｅｄ ｗｈｅｎ ｂａｎｄ ｍｅｍｂｅｒ ｗｈｏ ｉ ｓ ｉ ｎｆ ｒｅｑｕｅｎｔｌ ｙ ｍｅｎｔ ｉ ｏｎｅｄ ｏｎ ａ ｕｓ ｅ ｒ ｔ ａ ｐｓ ｔ ｈａｔ ｂａ ｎｄ’ ｓ ｎａｍｅ（ Ｆｉ ｇ．３ ｄ） ． ｔ ｈｅ ｗｅｂ ｐａｇｅｓ．Ｔｈｅｒｅｆ ｏｒｅ ａ ｕｓｅｒ ｃａｎ ｅｘｐｌ ｏｒｅ ｔ ｈｅ Ｔｈｅ ｂａｎｄ— ｍｅ ｍｂｅ ｒ ｌ ｉ ｓ ｔ（ Ｆｉ ｇｓ．３ａ ａ ｎｄ ３ｄ）ａｎｄ Ｂａｎｄ Ｎｅｔ ｗｏｒ ｋ ｂｙ ｃｏｎｓｉ ｄｅｒｉ ｎｇ ｔ ｈｅ ｓｔ ｒ ｅｎｇｔ ｈ ｏｆ ｂａｎｄｓ — ｐｌ ａｙｅｄ— ｉ ｎ ｌ ｉ ｓ ｔ （ Ｆｉ ｇ． ３ｂ） ａ ｒ ｅ ｏｒ ｄｅｒ ｅｄ ｂｙ ｒｅｌ ａｔ ｉ ｏｎｓ ｈｉ ｐ ｂｅｔ ｗｅｅｎ ｂａｎｄｓ ａｎｄ ｔ ｈｅｉ ｒ ｐａｓｔ ａｎｄ ｐｒ ｅｓｅｎｔ ｉ ｍｐｏｒ ｔａｎｃｅ ｌ ｅｖｅｌ ｓ． Ｉｎ ｔ ｈｅ ｂａｎｄ— ｍｅｍｂｅｒ ｌ ｉ ｓｔ ， ｅａｃｈ ｍ ｅｍ ｂｅｒｓ． ｍｅ ｍｂｅｒ ’ ｓ ｎａｍｅ ｈａｓ ｔ ｈｅ ｒ ｅｌ ｅ ｖａｎｔ ｉ ｎｓ ｔ ｒ ｕｍｅｎｔ （ ｓ １ ｗｒ ｉ ｔ ｔ ｅｎ ２４０ ＢａｎｄＮａｖｉ ：Ｂａｎｄ— Ｍｅｍ ｂｅｒ Ｂａｃｋｔｒ ａｃｋｅｒ Ｂａｓｅｄ ｏｎ Ｍｅｍ ｂｅｒ Ｈｉ ｓｔｏｒ ｙ Ｉ ｎｆｏｒｍ ａｔｉ ｏｎ ｏｆ ｅｘｔｒ ａｃｔ ｅｄ ｗｅｂ ｐａｇｅ，ａｎｄ ｔ ｈｅ ｌ ｏｃａｔｉ ｏｎ ｉ ｎ ｔ ｈｅ ｗｅｂ ｐａｇｅ ｍｅｔ ａｌ ｂｅｃａｕｓｅ ｔ ｈｅ ｌ ｉ ｎｅｕｐｓ ｏｆ ｈｅａｖｙ ｍ ｅｔ ａｌ ｂａｎｄｓ ｏｆ ｔｅｎ ｗｈｅｒｅ ｔ ｈｅ ｐａｔ ｔ ｅｒ ｎ ｗａｓ ｍ ａｔ ｃｈｅｄ． ｃｈａｎｇｅ，ｓｏ ｆ ｅｗ ｂａｎｄｓ ａｒ ｅ ｉ ｓｏｌ ａｔｅｄ ｆ ｒｏｍ ｏｔ ｈｅｒ ｂａｎｄｓ ｉ ｎ ｔ ｈｅ Ｂａｎｄ— Ｎｅｔ ｗｏｒ ｋ． ５． ３ Ｍ ｅｍｂｅｒＮａｍｅ Ｆｉ ｌ ｔ ｅｒｉ ｎｇ Ｉ ｎ ｔ ｈｅ ｍｅｍｂｅｒ ｎａｍｅ ｆ ｉｌ ｔｅｒｉ ｎｇ，ｔｈｅ ｓｅｒ ｖｅｒ ａｐｐｌ ｉ ｃａｔｉ ｏｎ ６． １ Ｅｖａｌ ｕａｔ ｉ ｏ ｎ ｏ ｆ Ａｕｔ ｏｍａｔ ｉ ｃ Ａｃ ｑｕｉ ｓｉ ｔ ｉ ｏｎ ｏ ｆ Ｂａｎｄ Ｍ ｅｍｂｅｒｓ’ Ｎｎｍ ｅｓ ｒ ｅｍｏｖｅｓ ｔ ｈｅ ｎａｍｅｓ ｏｆ ｍｕｓｉ ｃｉ ａｎｓ ｗｈｏ ｈａｖｅ ｎｏｔ ｐｌ ａｙｅｄ ｉ ｎ ｔｈｅ ｂａｎｄ ｆ ｒｏｍ ｍｕｓｉ ｃｉ ａｎｓ’ｎａｍｅｓ ｅｘｔｒ ａｃｔ ｅｄ ｉ ｎ ｓｅｃｔｉ ｏｎ ５． ２．Ｔｈｅ ｍｅｍｂｅｒ ｎａｍｅ ｉｌ ｆ ｔ ｅｒ ｉ ｎｇ ｃｏｎｓｉ ｓｔ ｓ ｏｆｔ ｗｏ ｓｔ ｅｐｓ． Ｗ ｅ ｅｖａｌ ｕａｔ ｅｄ ｈｏｗ ｗｅｌ ｌ ｔ ｈｅ ｓｙｓｔ ｅｍ ｆ ｏ ｕｎｄ ｔ ｈｅ ｂａｎｄ ｍｅｍｂｅｒｓ’ ｎａｍｅｓ． Ｔｈｉ ｓ ｅｖａｌ ｕａｔ ｉ ｏｎ ｒ ｅｑｕｉ ｒｅｄ ｕｓ ｔ ｏ （１ ）Ｒｅ ｍｏｖｅ ｗｒ ｏｎｇ ｍｕｓ ｉ ｃｉ ａ ｎｓ ｎａｍｅ ｐｒ ｅｐａｒ ｅ ｔ ｈｅ ｃｏｒｒ ｅｃｔ ｄａｔ ａ ｓｅｔｓ ｏｆ ｂａｎｄ ｎａｍｅｓ ａｎｄ ｂａｎｄ Ｔｈｅ ｓｙｓｔ ｅｍ ｒ ｅｍｏｖｅｓ ｎａｍｅｓ ｏｆ ｍ ｕｓｉ ｃｉ ａｎｓ ｔ ｈａｔ ｈａｖｅ ｍｅｍｂｅｒｓ’ｎａｍｅｓ．Ｗ ｅ ｓｅｌ ｅｃｔ ｅｄ ５０ ｂａｎｄｓ ｒａｎｄｏｍｌ ｙ ｆｒ ｏｍ ｖｅｒ ｙ ｌ ｏｗ ｐｏｓｓｉ ｂｉ ｌ ｉ ｔ ｙ ｏｆ ｂｅｉ ｎｇ ｂａｎｄ ｍｅｍｂｅｒｓ．Ｆｉ ｒｓ ｔ，ｔ ｈｅ ｔ ｈｅ ３ ５４ ｂａｎｄｓ ａｎｄ ｍ ａｎｕａｌ ｌ ｙ ｉ ｎｖｅｓｔ ｉ ｇａｔ ｅｄ ｔ ｈｅ ｍｅｍｂｅｒ ｓ’ ｓ ｙｓ ｔ ｅｍ ｃ ａｌ ｃ ｕｌ ａ ｔ ｅｓ ｔ ｈｅ ｄｏｃ ｕｍｅ ｎｔ￣ｅ ｑｕｅｎｃ ｙ（ ＤＦ） ，ｗｈｉ ｃｈ ｎａｍｅｓ，ｉ ｎｃｌ ｕｄｉ ｎｇ ｔ ｈｏｓｅ ｏｆ ｇｕｅｓｔ ｏｒ ｓｅｓｓｉ ｏｎ ｍｕｓｉ ｃｉ ａｎｓ， ｉ ｎｄｉ ｃａｔ ｅｓ ｈｏｗ ｍａｎｙ ｔ ｉ ｍｅｓ ｔ ｈｅ ｎａｍｅ ａｐｐｅａｒ ｓ ｉ ｎ ｔ ｈｅ ｂｙ ｕｓｉ ｎｇ ｏｆ ｉ ｃｉ ａｌ ｗｅｂ ｐａｇｅｓ ａｎｄ ＣＤ ｂｏｏｋｌ ｅｔ ｓ．Ｔｈｅｎ ｗｅ ｃｏｌ ｌ ｅｃｔ ｅｄ ｗｅｂ ｐａｇｅｓ．Ｔｈｅ ＤＦ ｉ ｓ ｎｏｒ ｍ ａｌ ｉ ｚｅｄ ｆ ｒｏｍ ０ ｔｏ １． ａｓ ｋｅｄ ｓｏｍｅｏｎｅ ｗｈｏ ｋｎｏｗｓ ａ ｌ ｏｔ ａｂｏｕｔ ｈｅａｖｙ ｍｅｔ ａｌ Ｓｅｃｏｎｄ，ｔｈｅ ｓ ｙｓｔ ｅｍ ｒｅｍ ｏｖｅｓ ｔ ｈｅ ｍ ｕｓｉ ｃｉ ａｎｓ’ｎａｍｅｓ ｆ ｏｒ ｍｕｓｉ ｃ ｔ ｏ ｖｅｒ ｉｆ ｙ ｔ ｈｅ ｒ ｅｓｕｌ ｔ ｓ ｍａｎｕａｌ ｌ ｙ． ｗｈｉ ｃｈ ＤＦ ｉ ｓ ｌ ｏｗｅ ｒ ｔ ｈａ ｎ ｔ ｈｅ ｔ ｈｒ ｅ ｓ ｈｏｌ ｄ（ ｔ ｈ） ． Ｗ ｅ ｅｖａｌ ｕａｔ ｅｄ ｔ ｈｅ Ｒｅｃａｌ ｌ ａｎｄ Ｐｒｅｃｉ ｓｉ ｏｎ ｏｆ ＢａｎｄＮａｖｉ ． （ ２）Ｅｘｔ ｒ ａｃ ｔ ｂａｎｄ ｍｅｍｂｅｒ ｃｏｌ ｌ ｏｃａ ｔ ｉ ｏｎ Ｒｅｃａｌ ｌ ａｎｄ Ｐｒｅｃｉ ｓｉ ｏｎ ｄｉｆ ｆｅｒ ｄｅｐｅｎｄｉ ｎｇ ｏｎ ｔ ｈｅ ｎｕｍ ｂｅｒ ｏｆ Ｔｈｅ ｓ ｙｓ ｔｅｍ ｅｘｔ ｒａｃｔ ｓ ｂａｎｄ ｍｅｍｂｅｒ ｃｏｌ ｌ ｏｃａｔ ｉ ｏｎ ｔ ｏ ｉｎｄ ｆ ｍ ｕｓｉ ｃｉ ａｎｓ ｔｏ ｂｅ ｉ ｎｖｅｓｔ ｉ ｇａｔ ｅｄ ｆ ｒｏｍ ｔ ｏｐ Ｄ Ｆ ｍ ｕｓｉ ｃｉ ａｎ ｔ ｈｅ ａｃｔｕａｌ ｂａｎｄ ｍ ｅｍｂｅｒｓ，ｂｅｃａｕｓｅ ｗｅ ｃａｎ ａｓｓ ｕｍｅ ｔｈｅ ｗｈｅｒ ｅ ｔ ｈｅ ＢａｎｄＮａｖｉ ｓｈｏｗｓ ｔ ｈｅ ｂａｎｄ． ｍｅｍｂｅｒ ｌ ｉ ｓｔ ｔ ｈａｔ ｓａｍｅ ｂａｎｄ ｍｅｍｂｅｒｓ ａｒ ｅ ｍｅｎｔｉ ｏｎｅｄ ｏｎ ｎｅａｒｌ ｙ ｅｖｅｒ ｙ ｉ ｓ ｓｏａｅｄ ｂｙ ＤＦ．Ｔａｂｌ ｅ １ ｓｈｏｗｓ ｔ ｈｅ ｒ ｅｓｕｌ ｔ ｓ ｏｆ ｔ ｈｅ ｗｅｂ ｐａｇｅ ａｂｏｕｔ ｔｈｅ ｂａｎｄ． Ｆｉ ｒｓ ｔ ，ｔ ｈｅ ｓｙｓｔ ｅｍ ｓｅｌ ｅｃｔｓ ｔ ｈｅ ｔｗｏ ｍｕｓｉ ｃｉ ａｎｓ ｔ ｈａｔ ｈａｖｅ ｔ ｈｅ ｈｉ ｇｈｅｓｔ ＤＦ ａｓ ｔ ｈｅ ｍｏｓｔ ｉ ｍｐｏｒ ｔ ａｎｔ ｍｅｍｂｅｒｓ ｏｆ ｔ ｈｅ ｂａｎｄ．Ｓｅｃｏｎｄ，ｔ ｈｅ ｓｙｓｔ ｅｍ ｓｏｒｔ ｓ ｔ ｈｅ ｔ ｕｐｌ ｅｓ ｆ ｒｏｍ ｔ ｈｅ ｓａｍｅ ｗ ｅｂ ｐａｇｅｓ ａｎｄ ｔ ｈｅｎ ｄｉ ｖｉ ｄｅｓ ｔｈｅｍ ｉ ｎｔ ｏ ｇｒ ｏｕｐｓ ｗ ｈｅｒ ｅ ｔ ｈｅ ｐａｔ ｔ ｅｒ ｎｓ ｆ ｏｒ ｅｘｔｒ ａｃｔ ｉ ｎｇ ｍ ｕｓｉ ｃｉ ａｎｓ’ｎａｍ ｅｓ ａｒ ｅ ｃｈａｎｇｅｄ． ｅｘｐｅｒｉ ｍｅｎｔ ．Ｂｏｔ ｈ Ｒｅｃａｌ ｌ ａｎｄ Ｐｒｅｃｉ ｓｉ ｏｎ ａｒ ｅ ｏｖｅｒ ０． ７ ｗｈｅｎ ｗｅ ｕｓｅ ａｌ ｌ ｍｅｍｂｅｒｓ ｏｒ ｆ ｅｖａｌ ｕａｔ ｉ ｏｎ．Ｗ ｈｅｎ ｗｅ ｕｓｅ ｔ ｈｅ ｔ ｅｎ ｍｅｍｂｅｒ ｓ ｗｉ ｔ ｈ ｔ ｈｅ ｈｉ ｇｈｅｓｔ ＤＦ，Ｐｒｅｃｉ ｓｉ ｏｎ ｒａｉ ｓｅｓ ｔｏ ０． ８１．Ｗ ｈｅｎ ｗｅ ｕｓｅ ｔ ｈｅ ｆ ｉｖｅ ｍｅｍｂｅｒ ｓ ｗｉ ｔ ｈ ｔ ｈｅ ｈｉ ｇｈｅｓｔ ＤＦ。Ｐｒ ｅｃｉ ｓｉ ｏｎ ｒａｉ ｓｅｓ ｅｖｅｎ ｍ ｏｒ ｅ ｔｏ ０． ８６． ６． ２ Ｅｖ ａｌ ｕ ａｔ ｉ ｏｎ ｂ ｙ ａ Ｑｕｅ ｓ ｔ ｉ ｏｎｎａｉ ｒ ｅ Ｆｉ ｎａｌ ｌ ｙ， ｔ ｈｅ ｓｙｓｔ ｅｍ ｅｘｔｒ ａｃｔ ｓ ｂａｎｄ ｍｅｍ ｂｅｒｓ ｔ ｈａｔ ｃｏｌ ｌ ｏｃａｔ ｅ ｉ ｎ ａ ｓａｍｅ ｇｒ ｏｕｐ ａｓ ｔ ｈｅ ｔｗｏ ｍｏｓ ｔ ｉ ｍｐｏｒ ｔａｎｔ ｍｅｍｂｅｒｓ． Ｉ ｎ Ｆｉ ｇ．４，Ｎａｍｅ １ ａｎｄ Ｎａｍｅ ２ ｉ ｎｄｉ ｃａｔｅ ｔ ｈｅ ｉ ｍｐｏｒｔ ａｎｔ ｍ ｅｍｂｅｒｓ．Ｎａｍｅ ３ ｉ ｓ ｅｘｔ ｒａｃｔ ｅｄ ａｓ ａ ｂａｎｄ ｍ ｅｍｂｅｒ， ｂｅｃａｕｓｅ Ｎ ａｍ ｅ ３ ｉ ｓ ｉ ｎ ｔ ｈｅ ｓａｍ ｅ ｇｒｏｕｐ ａｓ Ｎ ａｍ ｅｓ １ ａｎｄ ２． Ｏｎ ｔ ｈｅ ｏｔ ｈｅｒ ｓｉ ｄｅ，Ｎａｍｅｓ ４ ａｎｄ ５ ａｒｅ ｒ ｅｍｏｖｅｄ，ｂｅｃａｕｓｅ Ｎａｍｅ ４ ａｎｄ ５ ａｒ ｅ ｎｏｔ ｉ ｎ ｔ ｈｅ ｓａｍｅ ｇｒｏｕｐ ａｓ Ｎａｍｅｓ １ ｗ ｅ ｐｒｅｐａｒ ｅｄ ｑｕｅｓｔ ｉ ｏｎｎａｉ ｒｅｓ ａｂｏｕｔ ＢａｎｄＮａｖｉ ａｎｄ ｐｏｓ ｔ ｅｄ ｔ ｈｅｍ ａｔ ｔ ｈｅ ｆｏｌ ｌ ｏｗｉ ｎｇ ＵＲＬ： ｈｔ ｔ ｐ： ／ ／ ｍｕｓｉ ｃｄｂ． ｉ ｉ ｔ ． ｔ ｓ ｕｋｕｂａ．ａｃ． ｊ ｐ／ ｂａｎｄｎａ ｖｉ ． ｈｔ ｍ１ ．Ｓｏ ｆ ａｒ ， ｗｅ ｈａｖｅ ｒ ｅｃｅｉ ｖｅｄ １ ７ ｒｅｓｐｏｎｓｅｓ ｆ ｒｏｍ ｕｓｅｒ ｓ．Ｔｈｅ ｒ ｅｓｕｌ ｔ ｓ ｉ ｎｄｉ ｃａ ｔ ｅ ｔ ｈａｔ ７０ ｐｅｒ ｃ ｅｎｔ ｏｆ ｓ ｕｂ ｊ ｅｃ ｔ ｓ ｕｎｄｅｒ ｓ ｔ ｏｏｄ ｈｏｗ ｔ ｏ ｕｓｅ ｔ ｈｅ ＢａｎｄＮａｖｉ ｗｉ ｔ ｈｉ ｎ ｆ ｉｖｅ ｍｉ ｎｕｔ ｅ．７０ ｐｅｒｃｅｎｔ ｅ ￣ｏｙｅ ｄ ｔ ｒ ａｃｉ ｎｇ ｔ ｈｅ ｂａｎｄｓ ’ａ ｎｄ ｔ ｈｅｉ ｒ ｍｅ ｍｂｅ ｒ ｓ ’ ｃｏｎｎｅｃｔ ｉ ｏｎｓ， ａｎｄ ５２ ｐｅｒｃｅｎｔ ｄｉ ｓｃｏｖｅｒｅｄ ａ ｎｅｗ ｂａｎｄ ａｎｄ ２． ６．Ｅｘｐｅｒｉ ｍ ｅｎｔ ａｌ Ｒｅｓｕｌ ｔｓ Ｔａｂｌ ｅ １ Ｒｅｃａｌ ｌ ａｎｄ ｐｒｅｃｉ ｓｉ ｏｎ ｆ ｏｒ ａｃｑｕｉ ｓｉ ｔ ｉ ｏｎ ｏｆ ｂａｎｄ ｍ ｅｍ ｂｅｒ ｓ’ｎａｍ ｅｓ ． Ｗ ｅ ｉ ｎｐｕｔ ｔ ｏ ｔ ｈｅ ｓｙｓｔ ｅｍ ｔｈｅ ｎａｍｅｓ ｏｆ ３ ５４ ｂａｎｄｓ ｃｌ ａｓｓｉ ｉｅｄ ａｓ ‘ ｆ ‘ ｈｅａｖｙ ｍｅｔ ａｌ ” ａｐｐｅａｒｉ ｎｇ ｏｎ ｔ ｈｅ ｈｏｍｅ ｐａｇｅｓ ｏｆ ｒ ｅｃｏｒ ｄ ｃｏｍｐａｎｉ ｅｓ，ｒｅｓｕｌ ｔ ｉ ｎｇ ｉ ｎ ｔ ｈｅ ｓｙｓｔ ｅｍ ｃｏｌ ｌ ｅｃｔｉ ｎｇ ３， ５０８ ｍｕｓｉ ｃｉ ａｎｓ’ｎａｍｅｓ．Ｗ ｅ ｓｅｌ ｅｃｔ ｅｄ ｈｅａｖｙ ＢａｎｄＮａｖｉ ：Ｂａｎｄ－ Ｍｅｍ ｂｅｒ Ｂａｃｋｔｒ ａｃｋｅｒ Ｂａｓｅｄ ｏｎ Ｍ ｅｍ ｂｅｒ Ｈｉ ｓｔ ｏｒ ｙ Ｉ ｎｆ ｏｒ ｍ ａｔ ｉ ｏｎ ｔ ｈｅｙ ｌ ｉ ｋｅ．Ｈｏｗｅｖｅｒ，ｆ ｉｖｅ ｐｅｒ ｃｅｎｔ ｎｅｅｄｅｄ ｍｏｒ ｅ ｔ ｈａｎ １ ５ ［ ２］ Ｆ．Ｖｉ ｇｎｏｌ ｉ ．Ｓ．Ｐａｕｗｓ．Ａ ｍｕｓ ｉ ｃ ｒ ｅｔ ｒ ｉ ｅｖａ１ ｓ ｙｓ ｔ ｅｍ ｂａｓ ｅｄ ｏｎ ｕｓ ｅｒ － ｄｒ ｉ ｖｅｎ ｓｉ ｍｉ ｌ ａｒ ｉ ｔ ｙ ａｎｄ ｉ ｔ ｓ ｅｖａｌ ｕａｔ ｉ ｏｎ． ｉ ｎ：Ｐｒ ｏｃ．ｏｆ ｍｉ ｎｕｔｅｓ ｔｏ ｕｎｄｅｒｓｔ ａｎｄ ｈｏｗ ｔ ｏ ｕｓｅ ＢａｎｄＮ ａｖｉ．Ｗ ｅ ｐｌ ａｎ ｔ ｏ ｉ ｎｖｅｓｔ ｉ ｇａｔｅ ｗｈｙ ｓｏｍｅ ｐｅｏｐｌ ｅ ｔ ｏｏｋ ｓ ｕｃｈ ａ ｌ ｏｎｇ ｔｉ ｍｅ ２４ｌ Ｉ ＳＭ Ｉ Ｒ ２００５．２００５．ＰＰ．２７２． ２７９． 【 ３】 Ｅ．Ｐａｍｐａｌ ｋ．Ａ ＭＡＴＬＡＢ ｔ ｏｏｌ ｂｏｘ ｔ ｏ ｃｏｍｐｕｔ ｅ ｍｕｓ ｉ ｃ ｓｉ ｍｉ ｌ ａｒ ｉ ｔ ｙ ｆ ｒｏｍ ａｕｄｉ ｏ ｉ ｎ：Ｐｒ ｏｃ．ｏｆ Ｉ ＳＭ Ｉ Ｒ２００４．２００４．ＰＰ． ｔ ｏ ｕｎｄｅｒｓ ｔａｎｄ ＢａｎｄＮ ａｖｉ ， ａｎｄ ｗｅ ｗ ｉ ｌ ｌ ｉ ｍｐｌ ｅｍｅｎｔ ２５４． ２５７． ｃｈａｎｇｅｓ ｉ ｆ ｎｅｃｅｓｓａｒ ｙ． ｎｇ，Ａ． Ｆ．Ｓｍ ｅａ ｔ ｏｎ．Ｅｖａｌ ｕａｔ ｉ ｎｇ ａ ｍｕｓｉ ｃ ｉ ｎｆ ｏｒ ｍａ ｔ ｉ ｏｎ 【 ４】 Ｔ．Ｓｏｄｉ ｒ ｅｔ ｒ ｉ ｅｖａｌ ｓ ｙｓ ｔ ｅｍ — ＴＲＥＣ ｓ ｔ ｙｌ ｅ．ｉ ｎ：Ｐｒ ｏｃ．ｏｆ Ｉ ＳＭ Ｉ Ｒ２００２． ７．Ｃｏｎｃｌ ｕｓｉ ｏｎｓ Ｗ ｅ ｄｅｖｅｌ ｏｐｅｄ ＢａｎｄＮａｖｉ ，ｗｈｉ ｃｈ ｅｎａｂｌ ｅｓ ａ ｕｓｅｒ ｔ ｏ ２００２，ＰＰ．７ １ －７８． ［ ５】 ｉ ｎｔ ｅ ｒ ｆ ａｃｅ ｆ ｏｒ ｓ ｔ ｒｅ ａｍｉ ｎｇ， ｓ ｔ ｉ ｃｋｉ ｎｇ， ｓ ｏｒ ｔ ｉ ｎｇ，ａｎｄ ｒ ｅｃａｌ ｌ ｉ ｎｇ ｓｅａｒ ｃｈ ｆｏｒ ｎｅｗ ｓｏｎｇｓ ａｎｄ ａｒｔ ｉ ｓｔ ｓ ｕｓｉ ｎｇ ａｎ ｉ Ｐｈｏｎｅ ｃｌ ｉ ｅｎｔ ａｐｐｌ ｉ ｃａｔ ｉ ｏｎ ｂａｓｅｄ ｏｎ ｒｅｌ ａｔ ｉ ｏｎｓ ｈｉ ｐｓ ｂｅｔ ｗｅｅｎ ｂａｎｄｓ ａｎｄ ｍｕｓ ｉ ｃ ａｌｐｉ ｅｃｅｓ ，ｉ ｎ： Ｐｒ ｏｃ．ｏｆｌＳＭ Ｉ Ｒ ２００５，２００５，ＰＰ． ４０４－ ４１１． 【 ６ 】 Ｗ． Ｗ ． Ｃｏｈｅｎ． Ｗ ． Ｆａ ｎ ． Ｗ ｅｂ． ｃｏｌ ｌ ａｂｏｒ ａｔ ｉ ｖｅ ｆ ｉｌ ｔ ｅｒ ｉ ｎｇ： Ｒｅｃｏｍｍ ｅｎｄｉ ｎｇ ｍｕｓ ｉ ｃ ｂｙ ｃｒ ａｗｌ ｉ ｎｇ ｔ ｈｅ ｗｅ ｂ，Ｃｏｍｐｕｔ ｅｒ ｂａｎｄ ｍｅｍｂｅｒｓ． Ｔｈｅ ＢａｎｄＮａｖｉ ｉ ｓ ｎｏｗ ａｖａｉ ｌ ａｂｌ ｅ ｔ ｈｒ ｏｕｇｈ Ａｐｐｌ ｅ’ ｓ Ｍ ．Ｇｏｔ ｏ． Ｔ． Ｇｏｔ ｏ． Ｍｕｓｉ ｃｒ ｅａｍ ：ｎｅｗ ｍｕｓ ｉ ｃ ｐｌ ａｙｂａｃ ｋ Ｎｅ ｔ ｗｏｒ ｋｓ ３３ ｆ ２０００）６８５． ６９８． ［ ７Ｊ Ａ．Ｕｉ ｔ ｄｅｎｂｏｇｅｒ ｄ，Ｒ．ｖａ ｎ Ｓｃｈｙｎｄｅｌ ，Ａ ｒ ｅｖｉ ｅｗ ｏｆ ｆ ａｃｔ ｏｒ ｓ Ａｐｐ Ｓｔ ｏｒｅ．Ｉ ｎ ｔ ｈｅ ｅｘｐｅｒｉ ｍｅｎｔ，ｗｅ ｏｎｌ ｙ ｕｓｅｄ ３５７ ｈｅａｖｙ ａｆ ｆ ｅｃｔ ｉ ｎｇ ｍｕｓｉ ｃ ｒ ｅｃｏｍｍｅｎｄｅｒ ｓ ｕｃｃｅｓ ｓ． ｉ ｎ： Ｐｒ ｏｃ． ｍｅｔ ａｌ ｂａｎｄｓ；ｗｅ ｈａｖｅ ｓｉ ｎｃｅ ａｄｄｅｄ ３０００ ｍ ｏｒ ｅ ｂａｎｄｓ Ｉ ＳＭ Ｉ Ｒ２００２．２００２．ＰＰ．２０４． ２０８． ｆｒ ｏｍ ｔ ｈｅ ｒ ｏｃｋ ａｎｄ ｐｏｐ ｇｅｎｒ ｅｓ． Ｗ ｅ ｐｌ ａｎ ｔｏ ｅｘｔ ｅｎｄ ｔ ｈｅ ｓｙｓｔ ｅｍ ｓｏ ｔｈａｔ ｕｓｅｒ ｓ ｃａｒ ｌ ｆ ｉｎｄ ｎｅｗ ｍｕｓｉ ｃ ｂｙ ｕｓｉ ｎｇ ｔ ｈｅ ｉ ｎｆ ｏｒｍａｔｉ ｏｎ ａｂｏｕｔ ｔ ｈｅ ｎａｍｅｓ ｏｆ ｎｏｔ ｏｎｌ ｙ ｂａｎｄ ｍ ｅｍ ｂｅｒ ｂｕｔ ａｌ ｓｏ ｃｏｍ ｐｏｓｅｒｓ，ａｒ ｒａｎｇｅｒ ｓ， ｐｒ ｏｄｕｃｅｒｓ， ｏｒ ｒ ｅｃｏｒｄｉ ｎｇ ｓｔ ｕｄｉ ｏｓ ａｃｑｕｉ ｒ ｅｄ ｂｙ ｗｅｂ— ｍｉ ｎｉ ｎｇ ｔ ｅｃｈｎｉ ｑｕｅｓ． Ｒ ｅｆ ｅｒｅｎｃｅｓ ［ １ 】 Ｇ．Ｔｚ ａ ｎｅ ｔ ａ ｋｉ ｓ ，Ｐ．Ｃｏ ｏ ｋ，Ｍｕ ｓ ｉ ｃ ａｌ ｇｅ ｎ ｒ ｅ ｃ ｌ ａ ｓ ｓ ｉ ｉｃ ｆ ａ ｔ ｉ ｏｎ ｏｆ ａｕｄｉ ｏ ｓｉ ｇｎａｌ ｓ ，ｉ ｎ：ＩＥＥＥ Ｔｒ ａ ｎｓ．ｏｎ Ｓｐｅｅｃｈ ａｎｄ Ａｕｄｉ ｏ Ｐｒ ｏｃ． ， ２００２，ＰＰ．２９３－ ３０２． 【 ８】 Ｍ． Ｇ． Ｅ．Ｐａｍｐａｌ ｋ．Ｍ ｕｓ ｉ ｃ Ｒａｉ ｎｂｏｗ：Ａ ｎｅｗ ｕｓ ｅｒ ｉ ｎｔ ｅｒ ｆ ａｃｅ ｔ ｏ ｄｉ ｓ ｃｏｖｅｒ ａｒ ｔ ｉ ｓ ｔ ｓ ｕｓ ｉ ｎｇ ａｕｄｉ ｏｂａｓ ｅｄ ｓ ｉ ｍｉ ｌ ￣ｉ ｙ ｔ ｎ ｄ ａ ｗｅｂ． ｂａｓ ｅｄ ｌ ａｂｅｌ ｉ ｎｇ．ｉ ｎ：Ｉ ＳＭ Ｉ Ｒ Ｉ ｎｔ ｅｒ ｎａｔ ｉ ｏｎａｌ Ｃｏｎｆ ｅｒ ｅ ｎｃｅ ｏｎ Ｍ ｕｓ ｉ ｃ Ｉ ｎｆ ｏｒ ｍａｔ ｉ ｏｎ Ｒｅｔ ｒ ｉ ｅｖａ１ ．２００６．ＰＰ．３６７． ３ ７Ｏ． ．Ｋ．Ｉ ｓ ｈｉ ｄａ，Ｔ． Ｎｉ ｓ ｈｉ ｍｕｒ ａ， ［ ９】 Ｙ．Ｍ ａｔｓｕｏ．Ｊ．Ｍ ｏｒｉ，Ｍ ．Ｈａｍａｓａｋｉ Ｈ．Ｔａｋｅｄａ，Ｋ．Ｈａｓ ｉ ｄａ，Ｍ ． Ｉ ． ｓ ｈｉ ｚ ｕｋａ ｅｔ ａ１ ． ．Ｐｏｌ ｙｐｈｏｎｅｔ： Ａｎ ａｄｖａｎｃｅｄ ｓ ｏｃｉ ａｌ ｎｅｔ ｗｏｒ ｋ ｅｘｔ ｒ ａｃｔ ｉ ｏｎ ｓ ｙｓ ｔ ｅｍ．Ｊ ｏｕｒ ｎａ１ ｏｆ Ｗ ｅｂ Ｓｅｍ ａ ｎｔ ｉ ｃｓ ５（２００７１ ２６２— ２７８． ａｂｌ ｅ ｏｎｌ ｉ ｎｅ ａｔ ：ｈｔ ｔ ｐ： ／ ／ ｗｗｗ． ｙｏｕｔ ｕｂｅ． ｃｏｍ ． 【 ｌ Ｏ 】 ＹｏｕＴｕｂｅ，ａｖａｉｌ Ｔｕｎｅ Ｍ ｕｓ ｉ ｃ Ｓｔ ｏｒ ｅ． ａｖａｉ ｌ ａｂｌ ｅ ｏｎｌ ｉ ｎｅ ａ ｔ： 【 １ １ 】 Ａｐｐｌｅ ｉ ｈｔ ｔ ｐ： ／ ／ ｗｗｗ． ａｐｐｌ ｅ． ｃｏｍ／ ｉ ｔ ｕｎｅｓ ．２０ｌ１． 【１ ２】 Ｇｏｏｇｌ ｅ Ｃｏｄｅ，ａｖａｉ ｌ ａｂｌ ｅ ｏｎｌ ｉ ｎｅ ａｔ ：ｈｔ ｔ ｐ： ／ ／ ｃｏｄｅ． ｇｏｏｇｌ ｅ． ｃｏｍ， ２０ｌ１ ．
© Copyright 2024 Paperzz