초록

용어보기논문에서 용어와 풀이말을 자동 추출한 결과로, 시범 서비스 중입니다. AI-Helper

최근 들어 디지털 음악 컨텐츠의 사용량이 증가하면서 데이터베이스로부터 다양한 포맷의 음악 컨텐츠를 효과적으로 찾을 수 있는 음악 검색 시스템의 필요성이 증가했다. 본 논문에서는 사용자들이 자주 질의하는 멜로디를 이용하여 효율적인 검색을 하기 위한 기법을 제안한다. 사용자의 허밍이나 오선지를 통한 질의로부터 추출된 음높이와 음의 길이를 분석하여 UDR과 LSR 스트링으로 변환하고 자주 검색되는 멜로디의 관리를 통해 검색의 성능을 향상시켰다. 또한 XLM을 사용하여 음악 정보를 구조화하는 새로운 데이터 모델을 제안하고 음높이. 음의 길이 , 리듬 등의 음악 특징 정보를 이용한 복합 질의를 통하여 제안한 시스템의 성능 평가를 하였다.

최근 들어 디지털 음악 컨텐츠의 사용량이 증가하면서 데이터베이스로부터 다양한 포맷의 음악 컨텐츠를 효과적으로 찾을 수 있는 음악 검색 시스템의 필요성이 증가했다. 본 논문에서는 사용자들이 자주 질의하는 멜로디를 이용하여 효율적인 검색을 하기 위한 기법을 제안한다. 사용자의 허밍이나 오선지를 통한 질의로부터 추출된 음높이와 음의 길이를 분석하여 UDR과 LSR 스트링으로 변환하고 자주 검색되는 멜로디의 관리를 통해 검색의 성능을 향상시켰다. 또한 XLM을 사용하여 음악 정보를 구조화하는 새로운 데이터 모델을 제안하고 음높이. 음의 길이 , 리듬 등의 음악 특징 정보를 이용한 복합 질의를 통하여 제안한 시스템의 성능 평가를 하였다.

AI 본문요약

엑셀 다운로드 AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

• 연구 주제
• 연구 방법
• 연구 결과

문제 정의

• 최근 인터넷에서의 문서 또는 데이터를 표현하기 위한 표준으로 많이 쓰이고 있는 XML 을 이용하여 만들어진 MusicXML[4], ScoreML과 같은 포맷은 악보를 XML로 표현한 것으로 음정, 박자, 조성, 리듬, 화음 등의 모든 정보를 표현한 마크업 언어이다. 본 논문에서는 음계, 음자리표, 박자 정보 등 악보의 속성 정보와 추출된 음정 및 음의 길이 정보 등을 추가한 새로운 데이터 모델을 제안한다. 그림 3은 음악 메타 정보를 XML 스키마를 이용하여 표현한 다이어그램이다.
• 본 논문에서는 음악 컨텐츠의 다양한 특징 추출을 통해 멜로디를 검색할 수 있는 내용 기반 검색시스템을 설계하였다. 사용자의 질의 패턴을 분석하여 자주 검색되는 멜로디의 위치를 FAI라는 새로운 개념의 인덱스에 저장하여 데이터베이스내의 모든 멜로디를 검색하지 않고 FAI를 우선적으로 검색하는 방법으로 검색 성능을 향상시켰다.
• 그림 1에서 보는 것과 같이 첫 번째 소절과 두 번째 소절이 확연한 차이를 보임에도 불구하고 UDR 스트링 기법에만 의존할 경우 두 소절 모두 “UDU” 스트링으로 변환 된다. 이러한 문제를 해결하고자 본 논문에서는 기존의 UDR 스트링을 세분화하여 검색의 정확도를 높였다. 기존의 Up, Down, Repeat과 두 번째 소절에서 보여 지듯이 음정(interval)이 급격하게 높아지거나(Up a lot), 낮아지거나(Down a lot) 하는 경우를 추가하여 u, U, d, D, r과 같이 세분화하였다.

가설 설정

• 첫째, 전혀 다른 음정을 가지는 음악 파일이나 질의를 동일하게 인식한다는 것이다. 그림 1에서 보는 것과 같이 첫 번째 소절과 두 번째 소절이 확연한 차이를 보임에도 불구하고 UDR 스트링 기법에만 의존할 경우 두 소절 모두 “UDU” 스트링으로 변환 된다.

제안 방법

• 이러한 문제를 해결하고자 본 논문에서는 기존의 UDR 스트링을 세분화하여 검색의 정확도를 높였다. 기존의 Up, Down, Repeat과 두 번째 소절에서 보여 지듯이 음정(interval)이 급격하게 높아지거나(Up a lot), 낮아지거나(Down a lot) 하는 경우를 추가하여 u, U, d, D, r과 같이 세분화하였다. 이때, 대문자는 음정의 변화가 급격한 경우를 나타낸다.
• 따라서 본 논문에서는 이러한 사용자의 부정확한 질의 멜로디를 고려하여 정확 매칭(Exact Matching) 기법보다는 유사 매칭(Approxhnate Matching) 기법을 이용하며 음악 데이터베이스의 컨텐츠 수의 증가로 인한 시스템 성능 저하를 고려하여 정확 매칭 기법을 병행하여 이용한다. 정확 매칭 기법은 Boyer-Moore 알고리즘[6]을 사용하였고 유사 매칭 기법은 동적 프로그래밍 방법을 사용하였다.
• 따라서 사용자가 작성한 질의 멜로디가 FAI 엔트리 안에 있는 엔트리와 같다면 나머지 음악 컨텐츠 모두를 검색할 필요 없이 바로 결과를 도출할 수 있어 검색 속도의 향상을 기대할 수 있다. 또한 다양한 음악 특징의 추출과 XML을 이용한 음악 데이터 모델링을 통하여 확장된 음악 검색 시스템인 MFC(Melody Finder using Climax)를 제안한다.
• Wold[2] 는 신호 처리를 이용해서 음의 크기(loudness), 밝기(brightness), 높이(pitch), 대역폭(bandwidth), 조화도(harmonicity)등과 같은 음향 특징을 추줄하였다. 또한 이러한 특징들을 벡터로 표현하여 대상 음악의 음향 특징 정보와 질의 음악의 특징 벡터간 거리 (vector distance)를 비교하는 방법을 사용하여 음악 컨텐츠를 분류하였다. MELDEX[3]에서는 QBH와 마찬가지로 마이크를 통한 사용자의 허밍으로부터 추출된 멜로디의 음높이 변화나 음의 길이를 이용하여 UDR 스트렁 매칭을 하고 동적 프로그래밍(Dynamic Programming) 알고리즘을 이용한 유사 검색 기법을 사용하였다.
• 본 논문에서는 자주 질의되는 멜로디 패턴의 위치를 FAI에 저장해 두고 사용자의 질의가 들어올 때마다 멜로디 데이터베이스 전체를 검색하는 대신 FAI의 엔트리를 먼저 검색한다. 따라서 사용자가 작성한 질의 멜로디가 FAI 엔트리 안에 있는 엔트리와 같다면 나머지 음악 컨텐츠 모두를 검색할 필요 없이 바로 결과를 도출할 수 있어 검색 속도의 향상을 기대할 수 있다.
• 본 논문에서는 음악 컨텐츠의 다양한 특징 추출을 통해 멜로디를 검색할 수 있는 내용 기반 검색시스템을 설계하였다. 사용자의 질의 패턴을 분석하여 자주 검색되는 멜로디의 위치를 FAI라는 새로운 개념의 인덱스에 저장하여 데이터베이스내의 모든 멜로디를 검색하지 않고 FAI를 우선적으로 검색하는 방법으로 검색 성능을 향상시켰다.
• 본 논문에서 제안하는 내용 기반 음악 검색 시스템에 대해서 설명한다. 클라이언트 인터페이스는 웹 기반으로 자바 애플릿과 JSP로 구현하였으며, 서버는 Java Sound와 MIDI 파일 처리를 위해서 jMusic [7] 라이브러리를 이용해서 음향 특징 정보를 추출했다. 음악 파일은 인터넷 사이트들로부터 약 15,000개의 MIDI 파일을 수집 하였고 이들 중 중복되는 파일과 MIDI 포맷이 아닌 파일을 제외한 나머지 12,000개의 MIDI 파일을 실험에 이용하였다.

대상 데이터

• 클라이언트 인터페이스는 웹 기반으로 자바 애플릿과 JSP로 구현하였으며, 서버는 Java Sound와 MIDI 파일 처리를 위해서 jMusic [7] 라이브러리를 이용해서 음향 특징 정보를 추출했다. 음악 파일은 인터넷 사이트들로부터 약 15,000개의 MIDI 파일을 수집 하였고 이들 중 중복되는 파일과 MIDI 포맷이 아닌 파일을 제외한 나머지 12,000개의 MIDI 파일을 실험에 이용하였다.

이론/모형

• 실험은 정확 매칭 방법에서 많이 쓰이고 있는 Naive와 KMP(Xnuth-Morris-Pra11) 그리고 BM(Boyer-Moore) 알고리즘을 사용하였으며 유사 매칭을 위해서 동적 프로그래밍 방법을 사용하여 성능 분석을 하였다. 본 논문에서는 세 개의 정확 매칭 알고리즘 중 가장 빠른 Boyer-Moore 알고리즘을 사용하여 검색 성능을 높였다. 그림 7은 음악 데이터베이스 내의 음악 컨텐츠 수를 증가시키며 측정한 사용자 질의에 대한 평균 질의 응답 시간을 보여준다.
• 실험은 정확 매칭 방법에서 많이 쓰이고 있는 Naive와 KMP(Xnuth-Morris-Pra11) 그리고 BM(Boyer-Moore) 알고리즘을 사용하였으며 유사 매칭을 위해서 동적 프로그래밍 방법을 사용하여 성능 분석을 하였다. 본 논문에서는 세 개의 정확 매칭 알고리즘 중 가장 빠른 Boyer-Moore 알고리즘을 사용하여 검색 성능을 높였다.
• 따라서 본 논문에서는 이러한 사용자의 부정확한 질의 멜로디를 고려하여 정확 매칭(Exact Matching) 기법보다는 유사 매칭(Approxhnate Matching) 기법을 이용하며 음악 데이터베이스의 컨텐츠 수의 증가로 인한 시스템 성능 저하를 고려하여 정확 매칭 기법을 병행하여 이용한다. 정확 매칭 기법은 Boyer-Moore 알고리즘[6]을 사용하였고 유사 매칭 기법은 동적 프로그래밍 방법을 사용하였다.

성능/효과

• 첫번째 그래프는 사용자의 질의 멜로디 패턴의 길이가 “3”인 경우이며, 두번째 그래프는 “10” 인 경우를 나타낸다. 각각의 알고리즘에 대한 질의 응답 시간온 10번의 질의에 대한 평균값을 적용하였으며, 두 경우 모두 BM 알고리즘이 KMP나 Naive 알고리즘보다 짧은 응답 시간을 가지는 것을 알 수 있다.
• 그림 7은 음악 데이터베이스 내의 음악 컨텐츠 수를 증가시키며 측정한 사용자 질의에 대한 평균 질의 응답 시간을 보여준다. 두 실험 모두 컨텐츠의 수가 증가함에 따라 처리 시간도 같이 증가하였지만 FAI 기반의 검색이 모든 데이터베이스를 검색하는 방법보다 우월함을 알 수 있었고, 음악 컨텐츠의 수가 증가할수록 FAI 기반 검색이 얻는 이득은 증가하는 것으로 나타났다.
• 둘째, UDR 스트링 표기법은 음 높이의 변화가 아닌 음표가 가지는 길이 정보와 다른 수식 정보들을 표현할 수 없다는 것이다. 그림 2의 두 소절을 확장된 UDR 스트링 표기법에 따라 표기하면 둘 다 “udr”로 표현되기 때문에 음의 길이(duration)가 서로 다른 멜로디의 구분이 힘들어 진다.

후속연구

• 향후에는 다성음악(polyphonic) 컨텐츠로부터 특정한 악기의 채널을 제거한 뒤 단성음악이 가지는 멜로디와 유사한 멜로디 생성 후 이를 검색에 이용하는 방법에 대한 연구가 이루어져야 한다.

본문요약 정보가 도움이 되었나요? 예 아니오 제출

이 논문을 인용한 문헌

더보기