디지털 음악 기술이 등장함에 따라 기존의 전통적인 음원 시장은 대변혁을 맞이하였다. 스트리밍, 다운로딩과 같은 이동성이 강조된 새로운 음원 서비스가 등장하였고, 기존 오프라인 음악 시장의 매출은 점점 줄어만 갔다. 새로운 음원 시장에서 사용자들은 기존의 단방향으로 제공되는 음원 접근성에서 벗어나 새롭게 검색하고 추천하는 양방향서비스에 익숙해졌다. 서비스 사업자들은 보다 많은 사용자들을 유치하기 위하여 다양한 음원 정보 처리 기술에 기반 한 서비스들을 개발하였으며 이중 가장 대표적인 기술이 음원 탐색 기술이다. 사용자는 음원 탐색 기술을 통해 원하는 음악에 접근할 수 있다. 음원에 대한 탐색 기술은 크게 세 가지로 나뉜다. 첫 번째로 음원의 신호특성에 기반 한 탐색이다. 이것은 음원의 박자와 멜로디와 같은 다양한 음원의 ...
디지털 음악 기술이 등장함에 따라 기존의 전통적인 음원 시장은 대변혁을 맞이하였다. 스트리밍, 다운로딩과 같은 이동성이 강조된 새로운 음원 서비스가 등장하였고, 기존 오프라인 음악 시장의 매출은 점점 줄어만 갔다. 새로운 음원 시장에서 사용자들은 기존의 단방향으로 제공되는 음원 접근성에서 벗어나 새롭게 검색하고 추천하는 양방향서비스에 익숙해졌다. 서비스 사업자들은 보다 많은 사용자들을 유치하기 위하여 다양한 음원 정보 처리 기술에 기반 한 서비스들을 개발하였으며 이중 가장 대표적인 기술이 음원 탐색 기술이다. 사용자는 음원 탐색 기술을 통해 원하는 음악에 접근할 수 있다. 음원에 대한 탐색 기술은 크게 세 가지로 나뉜다. 첫 번째로 음원의 신호특성에 기반 한 탐색이다. 이것은 음원의 박자와 멜로디와 같은 다양한 음원의 신호 정보를 추출하고 이를 비교하여 검색하는 방법이다. 두 번째는 음원의 기술 정보에 기반 한 탐색이다. 이것은 음원을 설명하는 문자 정보에 기반 하여 음원을 탐색하는 방법이다. 문자 정보는 가수, 앨범, 가사, 작곡자 등 다양한 정보를 포함한다. 이와 같은 문자 정보를 처리하기 위해서는 다양한 문서 처리 방법을 적용할 수 있다. 세 번째는 사용자의 사용 이력 및 기타 정보 등을 활용하는 방법이다. 협업기반 필터링, 추천 기술 등이 해당 영역에 포함된다. 이와 같은 탐색 기술들의 기술적인 접근 방법은 상이하지만, 각 기술들을 활용하는 서비스의 목적은 동일하다. 바로 사용자에게 보다 많은 음원을 노출시키기 위함이다. 이에 본 논문에서는 대중음악을 중심으로 사용자가 음원을 탐색하기 위해 음원간 연관 관계와 마인드맵에 기반 한 탐색 방법에 대해 기술한다. 음원간의 연관 관계는 음원 기술정보에 기반 한 단어 연관 관계와 멜로디에 기반 한 유사 음원 관계를 활용하여 표현하며 다중 차원 그래프 형태의 구성 뷰(마인드맵)로 표현한다. 대중적으로 빈번히 사용되는 음악을 우리는 대중음악이라고 부르며 이것은 시대적인 유행성을 갖는다. 즉 시대별 유행곡이 존재하고, 유명가수가 존재한다. 물론 시대를 초월해서 인기를 갖는 음악도 존재하지만, 대중은 최신 곡에 대한 관심도가 훨씬 높으며, 음원 차트에 등장하는 음원이 등장하지 않는 음원에 비해 관심도가 높다. 본 논문에서는 대중음악의 최신 트랜드 정보를 탐색 방법에 반영하기 위해 트랜드 연관관계 모델을 도출하여 마인드맵을 구성한다. 제안하는 트랜드 연관관계 모델은 음원의 차트 정보 및 최신 곡 정보를 반영하여 단어 간 연관관계의 가중치를 산정한다. 제안하는 모델은 기존 TF-IDF 모델[5][7][8]을 개선하여 시간 변화를 고려한 가중치와 음원의 최대 차트 가중치를 고려한 가중치를 적용한다. 또한 음원의 멜로디를 추출하기 위한 딥러닝 기반 멜로디 추출 기법을 제안하고 이를 통해 음원간 유사도에 기반 한 연관 마인드맵을 구성한다. 마인드맵을 구축하는 시스템은 자동으로 음원 정보를 수집/분석 하여 이를 활용한 마인드맵을 생성하고 재생할 콘텐츠를 수집한다. 시스템의 평가를 위하여 약 15,000 곡의 음원 문서 정보를 분석하고 이를 통하여 연관 단어의 트랜드 반영이 용이함을 객관적으로 평가한다. 그리고 유사 음악 마인드맵 엔진과 전체 시스템에 대한 사용자 주관 평가를 수행한다. 제안하는 알고리즘 및 탐색기 시스템을 통하여 이슈성을 갖는 음원을 위한 음원 탐색 시스템을 개발하고, 이를 통한 새로운 서비스 제공이 가능하다.
디지털 음악 기술이 등장함에 따라 기존의 전통적인 음원 시장은 대변혁을 맞이하였다. 스트리밍, 다운로딩과 같은 이동성이 강조된 새로운 음원 서비스가 등장하였고, 기존 오프라인 음악 시장의 매출은 점점 줄어만 갔다. 새로운 음원 시장에서 사용자들은 기존의 단방향으로 제공되는 음원 접근성에서 벗어나 새롭게 검색하고 추천하는 양방향서비스에 익숙해졌다. 서비스 사업자들은 보다 많은 사용자들을 유치하기 위하여 다양한 음원 정보 처리 기술에 기반 한 서비스들을 개발하였으며 이중 가장 대표적인 기술이 음원 탐색 기술이다. 사용자는 음원 탐색 기술을 통해 원하는 음악에 접근할 수 있다. 음원에 대한 탐색 기술은 크게 세 가지로 나뉜다. 첫 번째로 음원의 신호특성에 기반 한 탐색이다. 이것은 음원의 박자와 멜로디와 같은 다양한 음원의 신호 정보를 추출하고 이를 비교하여 검색하는 방법이다. 두 번째는 음원의 기술 정보에 기반 한 탐색이다. 이것은 음원을 설명하는 문자 정보에 기반 하여 음원을 탐색하는 방법이다. 문자 정보는 가수, 앨범, 가사, 작곡자 등 다양한 정보를 포함한다. 이와 같은 문자 정보를 처리하기 위해서는 다양한 문서 처리 방법을 적용할 수 있다. 세 번째는 사용자의 사용 이력 및 기타 정보 등을 활용하는 방법이다. 협업기반 필터링, 추천 기술 등이 해당 영역에 포함된다. 이와 같은 탐색 기술들의 기술적인 접근 방법은 상이하지만, 각 기술들을 활용하는 서비스의 목적은 동일하다. 바로 사용자에게 보다 많은 음원을 노출시키기 위함이다. 이에 본 논문에서는 대중음악을 중심으로 사용자가 음원을 탐색하기 위해 음원간 연관 관계와 마인드맵에 기반 한 탐색 방법에 대해 기술한다. 음원간의 연관 관계는 음원 기술정보에 기반 한 단어 연관 관계와 멜로디에 기반 한 유사 음원 관계를 활용하여 표현하며 다중 차원 그래프 형태의 구성 뷰(마인드맵)로 표현한다. 대중적으로 빈번히 사용되는 음악을 우리는 대중음악이라고 부르며 이것은 시대적인 유행성을 갖는다. 즉 시대별 유행곡이 존재하고, 유명가수가 존재한다. 물론 시대를 초월해서 인기를 갖는 음악도 존재하지만, 대중은 최신 곡에 대한 관심도가 훨씬 높으며, 음원 차트에 등장하는 음원이 등장하지 않는 음원에 비해 관심도가 높다. 본 논문에서는 대중음악의 최신 트랜드 정보를 탐색 방법에 반영하기 위해 트랜드 연관관계 모델을 도출하여 마인드맵을 구성한다. 제안하는 트랜드 연관관계 모델은 음원의 차트 정보 및 최신 곡 정보를 반영하여 단어 간 연관관계의 가중치를 산정한다. 제안하는 모델은 기존 TF-IDF 모델[5][7][8]을 개선하여 시간 변화를 고려한 가중치와 음원의 최대 차트 가중치를 고려한 가중치를 적용한다. 또한 음원의 멜로디를 추출하기 위한 딥러닝 기반 멜로디 추출 기법을 제안하고 이를 통해 음원간 유사도에 기반 한 연관 마인드맵을 구성한다. 마인드맵을 구축하는 시스템은 자동으로 음원 정보를 수집/분석 하여 이를 활용한 마인드맵을 생성하고 재생할 콘텐츠를 수집한다. 시스템의 평가를 위하여 약 15,000 곡의 음원 문서 정보를 분석하고 이를 통하여 연관 단어의 트랜드 반영이 용이함을 객관적으로 평가한다. 그리고 유사 음악 마인드맵 엔진과 전체 시스템에 대한 사용자 주관 평가를 수행한다. 제안하는 알고리즘 및 탐색기 시스템을 통하여 이슈성을 갖는 음원을 위한 음원 탐색 시스템을 개발하고, 이를 통한 새로운 서비스 제공이 가능하다.
With the advent of digital music technology, the traditional music market has revolutionized. Streaming, and downloading, and the sales of the offline music market have gradually decreased. The new music source service with emphasis on mobility, such as streaming and downloading has appeared, and th...
With the advent of digital music technology, the traditional music market has revolutionized. Streaming, and downloading, and the sales of the offline music market have gradually decreased. The new music source service with emphasis on mobility, such as streaming and downloading has appeared, and the sales of the offline music market have decreased gradually. Service providers have developed services based on various music information processing technologies to attract more users. The user can access desired music through search technology. There are three major search techniques for music. First, the search is based on the signal features of the sound source. This is a method of extracting signal information of various sound sources such as beats and melodies of a sound source, and comparing them. The second is the search based on the description of the sound source. This is a method of searching a sound source based on the character information describing the sound source. The character information includes various information such as an artist, album, lyrics, composer, and the like. Various document processing methods can be applied to process such character information. The third method is to utilize user's history and other information such as collaboration-based filtering and recommendation techniques. Although the technical approaches of such exploration techniques are different, the purpose of the services utilizing each technology is the same. This is to expose more musics to the user. In this paper, we describe the relationship between the music and the search method based on the mind map in order to search the sound source centered on the popular music. The relationship between music is expressed by using the word association relation based on the music description information and the similar music relations based on the melody, and expressed in a multi-dimensional graph as mind map called a mind map. Popular music is often referred to as popular music, and it has timely trends. In other words, there are trendy melodies of the times, and famous singers. Of course, there are music that is popular over time, but the public is much more interested in the latest songs, and is more interested in the music of the charts. In this paper, we construct a mind map by using trend relationships model to reflect the latest trend information about popular music in the search method. The proposed trend correlation model calculates the weights of association between words by reflecting the chart information of the sound source and the latest song information. The proposed model improves the existing TF-IDF model [5] [7] [8] and applies the weights considering the time variation and the weight of the maximum chart of the sound source. We also propose a melody extraction algorithm using CNN for extracting the melody of a sound source and construct an association mind map based on the similarity between sound sources. The system that constructs the mind map automatically collects the sound source information, generates a mind map utilizing it, and collects the content to be played. For the evaluation of the system, about 15,000 pieces of source document information are analyzed and it is objectively evaluated that it is easy to reflect the trend of related words. And I perform a user subjective evaluation for the similar music mind map engine and the whole system. Through the proposed algorithm and explorer system, we can develop a new music search service.
With the advent of digital music technology, the traditional music market has revolutionized. Streaming, and downloading, and the sales of the offline music market have gradually decreased. The new music source service with emphasis on mobility, such as streaming and downloading has appeared, and the sales of the offline music market have decreased gradually. Service providers have developed services based on various music information processing technologies to attract more users. The user can access desired music through search technology. There are three major search techniques for music. First, the search is based on the signal features of the sound source. This is a method of extracting signal information of various sound sources such as beats and melodies of a sound source, and comparing them. The second is the search based on the description of the sound source. This is a method of searching a sound source based on the character information describing the sound source. The character information includes various information such as an artist, album, lyrics, composer, and the like. Various document processing methods can be applied to process such character information. The third method is to utilize user's history and other information such as collaboration-based filtering and recommendation techniques. Although the technical approaches of such exploration techniques are different, the purpose of the services utilizing each technology is the same. This is to expose more musics to the user. In this paper, we describe the relationship between the music and the search method based on the mind map in order to search the sound source centered on the popular music. The relationship between music is expressed by using the word association relation based on the music description information and the similar music relations based on the melody, and expressed in a multi-dimensional graph as mind map called a mind map. Popular music is often referred to as popular music, and it has timely trends. In other words, there are trendy melodies of the times, and famous singers. Of course, there are music that is popular over time, but the public is much more interested in the latest songs, and is more interested in the music of the charts. In this paper, we construct a mind map by using trend relationships model to reflect the latest trend information about popular music in the search method. The proposed trend correlation model calculates the weights of association between words by reflecting the chart information of the sound source and the latest song information. The proposed model improves the existing TF-IDF model [5] [7] [8] and applies the weights considering the time variation and the weight of the maximum chart of the sound source. We also propose a melody extraction algorithm using CNN for extracting the melody of a sound source and construct an association mind map based on the similarity between sound sources. The system that constructs the mind map automatically collects the sound source information, generates a mind map utilizing it, and collects the content to be played. For the evaluation of the system, about 15,000 pieces of source document information are analyzed and it is objectively evaluated that it is easy to reflect the trend of related words. And I perform a user subjective evaluation for the similar music mind map engine and the whole system. Through the proposed algorithm and explorer system, we can develop a new music search service.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.