Ανάκτηση μουσικών πληροφοριών για το ραδιόφωνο

Abstract

Recent developments in computer science and signal processing methods have increased enormously the number of music information distributed. As music databases grow in size and number new techniques to organize, manage and search music information from large audio collections become necessary. The present thesis investigates the automatic multi-label classification of music into emotions. The primary aim of the thesis is the analysis and understanding of emotions and their relation to music. For that purpose, several emotional models are studied and compared. Experiments are conducted on a set of 593 songs with 6 clusters of emotions based on the Tellegen-Watson-Clark model. Next, several feature extraction methods are described for the representation of music and various features are used to model musical signals. Furthermore, a new multi-label feature ranking method was proposed, which seems to perform better than existing methods. Feature ranking may assist researchers working on feature extraction by providing feedback on the predictive performance of current and newly designed individual features. It also improves the performance of multi-label classification. An evaluation of five multi-label classification algorithms was performed on the described music collection. Among these algorithms, RAKEL was the most effective and is proposed for emotion categorization. The overall predictive performance was high and encourages further investigation of multi-label classification methods.

Με την ανάπτυξη της επιστήμης της Πληροφορικής και των τεχνικών επεξεργασίας σήματος έχει αυξηθεί σημαντικά ο όγκος μουσικών πληροφοριών. Με την εξέλιξη του ιστού και την εύκολη πρόσβαση χρηστών σε μεγάλες μουσικές συλλογές προκύπτει η ανάγκη για την ανάπτυξη εργαλείων οργάνωσης, διαχείρησης, αναζήτησης και ανάκτησης μουσικών πληροφοριών από μεγάλες μουσικές συλλογές. Σε αυτό το πλάισιο και λόγο της πολυμορφίας του μουσικού περιεχομένου η μουσική μπορεί να ταξινομηθεί με πολλαπλούς τρόπους. Η συγκεκριμένη διατριβή πραγματεύεται την αυτόματη ταξινόμηση της μουσικής σε πολλαπλές κατηγορίες συναισθημάτων. Πρωταρχικός στόχος είναι η ανάλυση και κατανόηση των συναισθημάτων καθώς επίσης και η σχέση τους με την μουσική. Σε αυτό το πλαίσιο μελετούνται τα διαφορετικά συναισθηματικά μοντέλα και χρησιμοποιείται το μοντέλο των Tellegen-Watson και Clark για την πειραματική διαδικασία και την αντιστοίχιση των μουσικών τραγουδιών σε κατηγορίες ανθρώπινων συναισθημάτων. Επίσης, αναλύονται οι τεχνικές εξαγωγής των κατάλληλων ακουστικών χαρακτηριστικών αναπαράστασης και περιγραφής των μουσικών σημάτων. Για την περιγραφή και αναπαράσταση των μουσικών σημάτων χρησιμοποιούνται “χαμηλού” επιπέδου μικρού και μεγάλου χρόνου ακουστικά χαρακτηριστικά ρυθμού και χροιάς. Ένα από τα σημαντικότερα προβλήματα της ταξινόμησης μουσικής είναι ο μεγάλος αριθμός των χαρακτηριστικών αναπαράστασης των μουσικών κομματιών. Για αυτό τον σκοπό αναπτύχθηκε μία μέθοδος υπολογισμού των βέλτιστων ακουστικών χαρακτηριστικών με βάση την περιγραφική τους ικανότητα, η οποία στηρίζεται στον συνδυασμό της εφαρμογής της μετατροπής του δυναμοσύνολου και της τεχνικής του x2. Τέλος, εξετάζονται οι δύο κατηγορίες αλγορίθμων ταξινόμησης πολλαπλών ετικετών μουσικής σε συναισθήματα και πραγματοποιούνται πειράματα και αξιολογική σύγκριση των αλγόριθμων πάνω σε μουσικά δεδομένα. Με βάση τα αποτελέσματα, προκύπτει ότι ο αλγόριθμος RAKEL λειτουργεί αποτελεσματικότερα από τους υπόλοιπους.