음악의 분위기와 폭소노미 태그의 관계 분석
Analysis of Association between Mood of Music and Folksonomy Tag
0
조회
0
다운로드
1
인용
0
참고문헌
키워드
초록
폭소노미는 폭소노미에 사용되는 태그에 대하여 유사어, 태깅 레벨, 신조어등의 문제점들이 있다. 본 연구자들은 이러한 문제점들을 해결하기 위해 음악의 분위기 강도(Arousal과 Valence의 강도)를 음악의 내부 태그로 활용하는 방법을 사용하고자 한다. 즉, A(Arousal)값과 V(Valence)값을 이용하여 음악의 분위기를 수치적으로 표현하고, 분위기 태그도 AV값으로 대응시켜 검색하게 되면 태그가 일치하지 않더라도 유사한 AV 값을 갖는 음악이 검색되어 결과적으로 분위기가 유사한 음악들을 검색할 수 있게 된다. 본 논문에서는 이의 선행연구로 AV값과 폭소노미 태그와의 관계를 정의하는 매핑테이블을 제안하고, 태그와 AV값의 연관 관계를 분석하기 위해 유명한 음악 검색 사이트인 last.fm에서 수집한 테스트 데이터에 대해 ANOVA 검증을 하였다. 검증결과, A값과 V값에 모두에 대하여 제 1종 오류확률 P가 0.0으로 귀무가설을 기각하고 대립가설을 채택할 수 있었다. 결론적으로 폭소노미 태그에 따라 AV 값 분포가 다르다는 것을 검증 할 수 있었다.
Abstract
Folksonomies have potential problems caused by synonyms, tagging level, neologisms and so forth when retrieving music by tags. These problems can be tackled by introducing the mood intensity (Arousal and Valence value) of music as its internal tag. That is, if moods of music pieces and their mood tags are all represented internally by numeric values, A (Arousal) value and V (Valence) value, and they are retrieved by these values, then music pieces having similar mood with the mood tag of a query can be retrieved based on the similarity of their AV values though their tags are not exactly matched with the query. As a prerequisite study, in this paper, we propose the mapping table defining the relation between AV values and folksonomy tags. For analysis of the association between AV values and tags, ANOVA tests are performed on the test data collected from the well known music retrieval site last.fm. The results show that the P values for A values and V values are 0.0, which means the null hypotheses could be rejected and the alternative hypotheses could be adopted. Consequently, it is verified that the distribution of AV values depends on folksonomy tags.
참고문헌 (22)
- "LIBSVM: a library for support vector machines" (2001)[URL]
- Farnsworth, P. R., "The Social Psychology of Music" (1958), The Dryden Press
- Feng, Yazhong, "Popular Music Retrieval by Detecting Mood", Proc. of ACM SIGIR 2003 (2003)
- Hevner, K., "Expression in music : a discussion of experimental studies and theories", Psychological Review, 42, pp.186~204 (1935)
- Hevner, K, "Experimental studies of the elements of expression im music", The American Journal of Psychology, 48(2), pp.246~268 (1936)
- Katavose, H., "Sentiment extraction in music", Proc. of Int. Conf. Pattern Recognition, 2, pp.1083~1087 (1988)
- Kim, J. H., "Music mood classification model based on Arousal- Valence values", Proc. ICACT, pp.292~295 (2011)
- Lartillot, O., "A Matlab toolbox for musical feature extraction from audio", Proc. of the 10th Int. Conference on Digital Audio Effects (DAFx-07), pp.237~244 (2007)
- Laurier, C., "Music Mood Representation from Social Tags", Proceedings of the 10th International Society for Music Information Conference (2009)
- Lee, J. I., "Automatic Music Mood Detection through Musical Structure Analysis", International Conference on Computer Science and its Application CSA 2009, pp.510~515 (2009)
- Levy, M., "Extraction of High-Level Musical Structure From Audio Data and Its Application to Thumbnail Generation", Proc. of ICASSP'06, 5, pp.13~16 (2006)
- Li, T., "Detecting emotion in Music", Proc. of ISMIR 2003 (2003)
- Liu, D., "Form and mood recognition of Johann Strauss's waltz centos", Chinese Journal of Electronics, 3 (2003)
- Moon, C. B., "Mood and Color Distribution Characteristics of Music Genres", Proc. of the Science of Emotion & Sensibility, 14(1), pp.59~72 (2011)
- Ness, S. R., "Improving Automatic Music Tag Annotation Using Stacked Generalization Of Probabilistic SVM Outputs", Proc. of ACM MM'09, pp.705~708 (2009)
- Russell, J. A, "circumplex model of affect", Journal of Personality and Social Psychology, 39(39), pp.1161~ (1980)
- Ryu, S.-J., "Document Forgery Detection with SVM Classifier and Image Quality Measure", Lecture Notes in Computer Science, 5353, pp.486~495 (2008)
- Scheirer, E. D., "Music-listening Systems", 박사, pp.2000
- Thayer, R. E., "The Biopsychology of Mood and Arousal" (1989), Oxford University Press
- Yang, Y. H., "Music emotion recognition: the role of individuality", Proc. of ACM SIGMM Int. Workshop on Human-centered Multimedia 2007, pp.13~21 (2007)
- Yang, Y.-H., "Music emotion classification: a fuzzy approach", Proc. of ACM MM'06, pp.81~84 (2006)
- Yang, Y. H., "A regression approach to music emotion recognition", Audio, Speech, and Language Processing, IEEE Transactions on, 16, pp.448~457 (2008)