クラスタリングと機械学習を用いた音楽理論GTTMに基づく楽曲構造分析システム

• Item type: SIG Technical Reports(1)
• 公開日: 2016-02-22
• タイトル: クラスタリングと機械学習を用いた音楽理論GTTMに基づく楽曲構造分析システム
• タイトル / 言語: en
• タイトル: System to Analyze Music Structure Based on Music Theory GTTM Using Clustering and Machine Learning
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 楽曲分析
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 筑波大学大学院システム情報工学研究科
• 著者所属: 筑波大学
• 著者所属: 京都大学
• 著者所属(英): en
• 著者所属(英): Graduate School of Information and Engineering, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): University of Tsukuba
• 著者所属(英): en
• 著者所属(英): Kyoto University
• 著者名: 金森, 光平; 星野, 准一; 浜中, 雅俊
• 著者名(英): Kouhei, Kanamori; Junichi, Hoshino; Masatoshi, Hamanaka
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本稿では，クラスタリングと機械学習を用いて，音楽理論 GTTM の階層的なグルーピング構造を，半自動的に検出する方法を提案する．音楽理論 GTTM は，他の音楽理論より定義が比較的厳密であり，計算機上で音楽の深層構造を分析できる理論として期待されているが，分析に使う複数のルール間で競合が生じるという問題がある．従来手法では，パラメータ化や機械学習によって，ルールの優先順位を決定していたが，楽曲により適切なパラメータの値や適切な優先順位が異なるという問題があった．そこで本システムでは，学習曲をルールの優先順位が似ている楽曲ごとにクラスタリングし，クラスタごとに機械学習を行うことで，各楽曲に適した分析器を構築した．本手法により，GTTM の階層的なグルーピング構造を簡単かつ性能良く検出できることを確認した．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10438388
• 書誌情報: 研究報告音楽情報科学（MUS）; 巻 2016-MUS-110, 号 18, p. 1-6, 発行日 2016-02-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8752
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会