[논문]확률 모델-기반의 음악 검색 시스템

안세건; 김현태; 안창욱

문제 정의

때문에 사용자의 취향, 패턴을 분석하여 비슷한 정보를 검색, 출력 해주는 시스템이 필요하고 실제로 많은 분야에서 현재 쓰이고 있다.[1] 본 논문은 음악에 관련된 정보를 확률에 기반을 두고 검색하는 시스템에 관한 것이다. 음악의 경우 현재 여러 나라에서 수많은 음반이 발매되어 있고 계속 발매되고 있다.

제안 방법

이번 시스템은 단순한 음악정보(가수, 제목 등)만으로 검색을 하는 보편적인 시스템과는 다르게 음악 재생 시간을 기준으로 음악 자체의 여러 요소를 비교, 검색한다.[3] 그러므로 음악 요소에 관련된 정보를 추출하는 작업이 선행되어야 하며 본 논문에서는 클램(Clam)을 사용하였다.
org/)은 음악 파일의 정보를 분석하여 여러 요소로 분리해서 출력해주는 도구로 오디오 및 음악 도메인에서 연구 및 응용 프로그램 개발을 위한 소프트웨어 프레임 워크로 오디오의 분석, 합성, 신호처리를 위한 개념적 모델을 제공한다.[4] 이 시스템은 신호처리에 관련된 3개의 소프트웨어로 구성되어 있는데 본 논문의 시스템에서 사용된 소프트웨어는 음악 정보 추출기(Music Annotator) 로 음악 정보를 파일에서 추출하여각 요소로 세분화하여 표시하고 XML 형식으로 출력한다. 클램이 추출하는 음악정보는 매우 다양하지만 본 시스템은 음악 개체가 가지는 5가지 요소를 사용하였다.
첫 실행은 10곡의 음악 개체를 무작위로 재생하고 각 개체의 재생 시간을 백분율로 나타내 목록에 넣으면, 각 단계를 지나 새로운 10곡의 음악 개체를 검색, 출력한다. 그 목록에 해당하는 음악개체를 듣고 다시 검색하는 형태로 진행하였고 실험 대상자는 7명으로 처음에 3회 듣고 일정 시간이 지난 후(9시간정도) 2회 듣는 방식으로 했다. (그림2)는 전체실험자의 목록당 선호도 평균이다.
본 논문에서 제안하는 검색 시스템은 음악 컨텐츠에 기반을 두고 요소 비교 및 확률을 적용한 시스템이다. 이 시스템은 (그림 1)처럼 크게 3가지 부분으로 나눌 수 있고 각 부분을 거치면서 음악 개체의 요소를 비교하고 확률을 적용해 검색 한다.
본 논문에서 제안하는 검색 시스템은 음악 컨텐츠에 기반을 두고 요소 비교 및 확률을 적용한 시스템이다. 이 시스템은 (그림 1)처럼 크게 3가지 부분으로 나눌 수 있고 각 부분을 거치면서 음악 개체의 요소를 비교하고 확률을 적용해 검색 한다.
시스템의 첫 단계인 평가에서는 사용자가 음악을 듣고 목록(list)을 만들어 감상 시간을 기록한다. 이것이 그 음악개체의 선호도를 평가하는 기준이 되는데 일정 시간을 기준으로 잡으면 곡마다 전체 시간이 달라서 애매모호해지므로 전체재생시간에 대한 백분율로 기록하였다. 음악의 요소 비교 시 감상 시간이 짧은 개체는 비교할 가치가 없으므로 이에 해당하는 음악개체(4% 이하)에 대해서는 다음 부분으로 넘어가기 전에 목록에서 삭제해주었다.
이번 시스템은 단순한 음악정보(가수, 제목 등)만으로 검색을 하는 보편적인 시스템과는 다르게 음악 재생 시간을 기준으로 음악 자체의 여러 요소를 비교, 검색한다.[3] 그러므로 음악 요소에 관련된 정보를 추출하는 작업이 선행되어야 하며 본 논문에서는 클램(Clam)을 사용하였다.
실험은 100개의 음악 개체를 대상으로 했고 해당 개체의 정보는 클램을 사용하여 파일로 저장하고 진행하였다. 첫 실행은 10곡의 음악 개체를 무작위로 재생하고 각 개체의 재생 시간을 백분율로 나타내 목록에 넣으면, 각 단계를 지나 새로운 10곡의 음악 개체를 검색, 출력한다. 그 목록에 해당하는 음악개체를 듣고 다시 검색하는 형태로 진행하였고 실험 대상자는 7명으로 처음에 3회 듣고 일정 시간이 지난 후(9시간정도) 2회 듣는 방식으로 했다.
[4] 이 시스템은 신호처리에 관련된 3개의 소프트웨어로 구성되어 있는데 본 논문의 시스템에서 사용된 소프트웨어는 음악 정보 추출기(Music Annotator) 로 음악 정보를 파일에서 추출하여각 요소로 세분화하여 표시하고 XML 형식으로 출력한다. 클램이 추출하는 음악정보는 매우 다양하지만 본 시스템은 음악 개체가 가지는 5가지 요소를 사용하였다. 요소는 Tempo, Note, Chord 로 크게 나눌 수 있고 Note, Chord는 각각 Pitch, Octave 와 Root, Mode 로 나뉜다.

대상 데이터

실험은 100개의 음악 개체를 대상으로 했고 해당 개체의 정보는 클램을 사용하여 파일로 저장하고 진행하였다. 첫 실행은 10곡의 음악 개체를 무작위로 재생하고 각 개체의 재생 시간을 백분율로 나타내 목록에 넣으면, 각 단계를 지나 새로운 10곡의 음악 개체를 검색, 출력한다.

성능/효과

확률을 기반 한 음악 비교 검색 시스템은 실험 결과를 보면 알 수 있듯이 검색한 음악에 대해서 50%이상의 만족도는 보였다. 또한, 감정변화에 따라 다른 취향의 음악검색에도 높은 만족도를 나타낸 것을 확인 하였다.
본 논문에서 소개한 시스템에서는 제한적인 음악적 요소로만 비교를 하기 때문에 상대적으로 추천 목록에 대한 실험 참가자들의 만족도가 50%에 머물렀다. 추후 더 많은 음악 요소 분석과 더불어 장르나 가사 같은 고유한 정보를 다루게 된다면 검색하면 더 좋은 성능을 보일 것으로 예상된다.
일정 시간이 지난 후 진행한 4차 실험에서는 3차와 비슷한 결과를 가졌던 실험참가자도 있었으나 대부분 평균 40% 수준으로 3차에 비해 감소하였고 5차에서는 다시 50%대로 증가하였다. 이것은 일정 시간이 지나면서 감정변화가 일어나 다른 취향의 음악을 듣고 싶어 하는 것을 반영했다고 생각된다.
확률을 기반 한 음악 비교 검색 시스템은 실험 결과를 보면 알 수 있듯이 검색한 음악에 대해서 50%이상의 만족도는 보였다. 또한, 감정변화에 따라 다른 취향의 음악검색에도 높은 만족도를 나타낸 것을 확인 하였다.

후속연구

본 논문에서 소개한 시스템에서는 제한적인 음악적 요소로만 비교를 하기 때문에 상대적으로 추천 목록에 대한 실험 참가자들의 만족도가 50%에 머물렀다. 추후 더 많은 음악 요소 분석과 더불어 장르나 가사 같은 고유한 정보를 다루게 된다면 검색하면 더 좋은 성능을 보일 것으로 예상된다.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증

확률 모델-기반의 음악 검색 시스템
Probabilistic Model-based Music Recommendation System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

확률 모델-기반의 음악 검색 시스템 Probabilistic Model-based Music Recommendation System 원문보기

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

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

확률 모델-기반의 음악 검색 시스템
Probabilistic Model-based Music Recommendation System 원문보기

초록
AI-Helper

AI 본문요약
AI-Helper