장르 분류 체계에 따른 음악 장르 자동 판별 성능분석Performance Analysis of Automatic Music Genre Classification According to Classification Systems
- Other Titles
- Performance Analysis of Automatic Music Genre Classification According to Classification Systems
- Authors
- 송민균; 문창배; 김현수; 김병만; 오득환; 유경령
- Issue Date
- 2012
- Publisher
- 한국정보과학회
- Keywords
- Music Genre Data; Music Genre Classification; Neural Network Learning; Classification Performance; 음악장르; 장르판별; 장르분류; 신경망학습
- Citation
- 정보과학회논문지 : 소프트웨어 및 응용, v.39, no.3, pp.236 - 243
- Journal Title
- 정보과학회논문지 : 소프트웨어 및 응용
- Volume
- 39
- Number
- 3
- Start Page
- 236
- End Page
- 243
- URI
- https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/2646
- ISSN
- 1229-6848
- Abstract
- 기존 음악 장르 분류의 경우 대부분의 연구가 음악의 특징 추출 또는 기계학습에 중점을 두어 진행하여왔다. 하지만, 기계학습에 사용되는 장르 데이터가 웹 사이트마다 다르고 각 웹사이트의 장르가 해당 음악의 장르가 아닌 해당 음악이 속한 앨범의 장르로 표시하기 때문에 해당 음악의 장르가 앨범의 장르와 정확히 일치한다고 할 수 없다. 장르 분류 시스템 간의 객관적인 성능분석을 위해서는 일관된 음악 장르 데이터 구축이 필요한데, 이러한 연구의 일환으로 본 논문에서는 현재 음악을 제공하는 각 웹사이트에서 다르게 제공하는 장르 데이터에 따른 성능 분석을 하였고, 또한 새로운 장르 분류법을 제안하고 이의 성능도 분석하였다. 분석 결과 분류 방법에 따라 판별성능이 다소 차이가 발생하였으며 그 중 Allmusic에서 제공한 장르 분류가 가장 좋은 성능을 보였다. 하지만 실험 시 학습 및 판별에 사용한 데이터의 수를 고려한다면 Allmusic보다는 벅스에서 제공된 장르/스타일 사전을 이용하여 장르를 분류한 결과가 더 좋은 신뢰성을 가진다고 할 수 있다.
- Files in This Item
- There are no files associated with this item.
- Appears in
Collections - Department of Computer Software Engineering > 1. Journal Articles
![qrcode](https://api.qrserver.com/v1/create-qr-code/?size=55x55&data=https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/2646)
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.