장르 분류 체계에 따른 음악 장르 자동 판별 성능분석
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 송민균 | - |
dc.contributor.author | 문창배 | - |
dc.contributor.author | 김현수 | - |
dc.contributor.author | 김병만 | - |
dc.contributor.author | 오득환 | - |
dc.contributor.author | 유경령 | - |
dc.date.available | 2020-04-24T13:25:19Z | - |
dc.date.created | 2020-04-03 | - |
dc.date.issued | 2012 | - |
dc.identifier.issn | 1229-6848 | - |
dc.identifier.uri | https://scholarworks.bwise.kr/kumoh/handle/2020.sw.kumoh/2646 | - |
dc.description.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. | - |
dc.language | 한국어 | - |
dc.language.iso | ko | - |
dc.publisher | 한국정보과학회 | - |
dc.title | 장르 분류 체계에 따른 음악 장르 자동 판별 성능분석 | - |
dc.title.alternative | Performance Analysis of Automatic Music Genre Classification According to Classification Systems | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 김병만 | - |
dc.contributor.affiliatedAuthor | 오득환 | - |
dc.identifier.bibliographicCitation | 정보과학회논문지 : 소프트웨어 및 응용, v.39, no.3, pp.236 - 243 | - |
dc.citation.title | 정보과학회논문지 : 소프트웨어 및 응용 | - |
dc.citation.volume | 39 | - |
dc.citation.number | 3 | - |
dc.citation.startPage | 236 | - |
dc.citation.endPage | 243 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART001642122 | - |
dc.description.journalClass | 2 | - |
dc.subject.keywordAuthor | Music Genre Data | - |
dc.subject.keywordAuthor | Music Genre Classification | - |
dc.subject.keywordAuthor | Neural Network Learning | - |
dc.subject.keywordAuthor | Classification Performance | - |
dc.subject.keywordAuthor | 음악장르 | - |
dc.subject.keywordAuthor | 장르판별 | - |
dc.subject.keywordAuthor | 장르분류 | - |
dc.subject.keywordAuthor | 신경망학습 | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
350-27, Gumi-daero, Gumi-si, Gyeongsangbuk-do, Republic of Korea (39253)054-478-7170
COPYRIGHT 2020 Kumoh University All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.