폭소노미 기반에서 분위기 태그와 음악 AV 태그를 이용한 음악검색 방법 = Music Retrieval Method using Mood Tag and Music AV Tag based on Folksonomy

국문 초록 (Abstract)

폭소노미 기반에서 태그를 이용하여 음악을 검색할 경우 동의어, 태깅레벨, 신조어등과 같은 문제점이 발생할 수 있다. 이러한 문제점들 중 동의어 문제를 해결하기 위해 본 논문에서는 음악의 분위기 강도(Arousal과 Valence의 강도)를 음악의 내부 태그로 활용하는 방법을 제안하였다. 즉, 음악과 태그 모두 AV의 값으로 표현함으로써 동의어 태그를 갖는 음악들도 검색이 되어지도록 하였다. 이를 위해 먼저, 음악과 AV간 매핑관계와 태그와 AV간 매핑관계를 구축하고 이들을 분석하였다. 또한 이 매핑관계를 이용한 검색 방법을 제안하고 그 성능을 평가하였다. 본 논문에서는 성능 분석을 위해 Last.fm에서 분위기 태그를 포함하는 음악을 수집하였고, 이를 테스트 셋으로 사용하여 검색 성능을 평가하였다. 재현율과 정확도 계산 시 질의 태그의 유사 태그들도 정답으로 간주하였다. 실세계의 데이터에 제안 방법을 적용시킨 결과, 그 유용성과 동의어에 의한 문제점을 부분적으로 해결할 수 있음을 확인할 수 있었다.

다국어 초록 (Multilingual Abstract)

The folksonomy has potential problems caused by synonyms, tagging level, neologism and so forth when retrieving music by tags. To solve the synonym problem among these problems, we introduce the mood intensity (Arousal and Valence value) of music as its internal tag. That is, music and tags are all represented by AV values and so music having synonym tags can be retrieved. For this, the first, the mapping relation between music and AV values as well as the relation between tags and AV values is defined and analyzed. Also, some retrieval methods using these mapping relations are proposed and their performances are evaluated. To evaluate the retrieval performance, music pieces annotated with a mood tag in Last.fm are used as a test set. When calculating precision and recall, music pieces annotated with synonyms of a query tag are treated as relevant ones. Experiments on a real-world data set illustrate that the internal tags of music is quite useful and our approach is feasible to solve the problem caused by synonyms.

목차 (Table of Contents)

• 요약
• Abstract
• 1. 서론
• 2. 관련연구
• 3. 폭소노미 태그 기반의 음악 분위기 검색 방법
• 4. 실험 및 분석
• 5. 결론
• References

참고문헌 (Reference)

1 문창배, "음악 장르에 따른 분위기와 색상 분포의 특성" 한국감성과학회 14 (14): 59-72, 2011

2 Farnsworth, P. R., "The Social Psychology of Music" The Dryden Press 1958

3 Thayer, R. E., "The Biopsychology of Mood and Arousal" Oxford University Press 1990

4 Katayose, H., "Sentiment extraction in music" 2 : 1083-1087, 1988

5 Feng, Y., "Popular music retrieval by detecting mood" 375-376, 2003

6 Scheirer, E. D, "Music-listening systems" Massachusetts Institute of Technology 2000

7 Laurier, C., "Music mood representations from social tags" 381-386, 2009

8 Kim, J., "Music mood classification model based on arousal-valence values" 292-295, 2011

9 Yang, Y. H., "Music emotion recognition : The role of individuality" 13-22, 2007

10 Yang, Y. H., "Music emotion classification : a fuzzy approach" 81-84, 2006

11 Chang, C. C., "LIBSVM : a library for support vector machines" 2 (2): 27:1-27:27, 2011

12 Ness, S. R., "Improving automatic music tag annotation using stacked generalization of probabilistic svm outputs" 705-708, 2009

13 Liu, D., "Form and Mood Recognition of Johann Strauss's Waltz Centos" 12 (12): 587-593, 2003

14 Levy, M., "Extraction of high-level musical structure from audio data and its application to thumbnail generation" 5 : V13-V16, 2006

15 Hevner, K., "Expression in music : a discussion of experimental studies and theories" 42 (42): 186-204, 1935

16 Hevner. K., "Experimental studies of the elements of expression in music" 48 (48): 246-268, 1936

17 Ryu, S. J., "Document forgery detection with svm classifier and image quality measures" 486-495, 2008

18 Li, T., "Detecting emotion in music" 239-240, 2003

19 Lee, J. I., "Automatic Music Mood Detection through Musical Structure Analysis" 510-515, 2009

20 Yang, Y. H., "A regression approach to music emotion recognition" 16 (16): 448-457, 2008

21 Lartillot, O., "A Matlab toolbox for musical feature extraction from audio" 237-244, 2007

22 Russel. J. A., "A Circumplex Model of Affect" 39 (39): 1161-1178, 1980