killwasi 211 Posted August 8, 2017 Report Share Posted August 8, 2017 W tym roku na Krajowej Konferencji Radiokomunikacji, Radiofonii i Telewizji na jednym z paneli przedstawiona została bardzo ciekawa praca doktorska o temacie "Automatyczna indeksacja bazy muzycznej na podstawie korelacji pomiędzy oceną subiektywną nastroju utworu muzycznego a wektorem parametrów". Do tej pory wszystkie serwisy streamingowe wykorzystują klasyfikację muzyki na podstawie metadanych lub powiązanych wykonawców, czy też tego co słuchają znajomi i co jest popularne. A zazwyczaj tym co nas najbardziej interesuje z punktu widzenia słuchaczy, z czego możemy nawet nie zdawać sobie sprawy, to powiązanie pod względem nastroju utworu. Pozwala to znaleźć powiązane utwory z bardzo różnych gatunków, co fajnie zostało pokazane na przykładach podczas prezentacji Wykorzystano klasyfikację opartą na takim kole nastrojowym: Może się okazać, że nastąpi dzięki temu przełom w klasyfikacji i polecaniu muzyki zwłaszcza w spomnianych serwisach stramingowych. Osobiście na to liczę, bo polecane od Spoti są coraz to dziksze i dziksze Z całością pracy można się zapoznać pod tym najwyraźniej publicznie dostępnym linkiem: http://pbc.gda.pl/Content/57365/phd_plewa_magdalena.pdf Quote Link to post Share on other sites
daviox 150 Posted August 8, 2017 Report Share Posted August 8, 2017 Całkiem ciekawa koncepcja. Ciekawe, jak to się sprawdzi w praktyce i czy kiedykolwiek będzie miało szansę na wyparcie sugerowania na podstawie metadanych. Pytanie tylko na ile trafny będzie to system. Quote Link to post Share on other sites
zdzichon 314 Posted August 8, 2017 Report Share Posted August 8, 2017 Najlepsze polecanki ma nadal amerykańska Pandora. Mają własny algorytm rozbijający utwór na składowe harmoniczne. Działał spektakularnie. Niestety u nas tylko przez VPN i na nielegalu, także odpuściłem. Za duzo zachodu. Quote Link to post Share on other sites
killwasi 211 Posted August 8, 2017 Author Report Share Posted August 8, 2017 2 minuty temu, daviox napisał: Pytanie tylko na ile trafny będzie to system. Z przykładów jakich słuchałem mogę powiedzieć, że bardzo trafnie. Bo on łączy utwory, o których nawet byśmy nie pomyśleli zupełnie. Oparte jest to o sieć neuronową, która uczy sie na podstawie danych zebranych z dużej grupki osób. 2 minuty temu, zdzichon napisał: Mają własny algorytm rozbijający utwór na składowe harmoniczne Samo rozbicie na harmoniczne i analiza porównawcza widma nie gwarantuje niestety dopasowania nastrojem Quote Link to post Share on other sites
zdzichon 314 Posted August 8, 2017 Report Share Posted August 8, 2017 (edited) Może i nie, za to działa. Nigdzie indziej nie miałem tak trafnych polecanek jak tam. Więcej tu: https://en.m.wikipedia.org/wiki/Music_Genome_Project Niech działają, dobrej muzyki nigdy za dużo. Edited August 8, 2017 by zdzichon 1 Quote Link to post Share on other sites
Jaro54 3,450 Posted August 8, 2017 Report Share Posted August 8, 2017 Takie cóś to stare Nokie miały i Sony. Ustalalo wg nastroju wybranego suwakami i dobieralo 30 utworów z kolekcji na telefonie. I robiło to dobrze 1 Quote Link to post Share on other sites
killwasi 211 Posted August 8, 2017 Author Report Share Posted August 8, 2017 13 minut temu, zdzichon napisał: Może i nie, za to działa. Nigdzie indziej nie miałem tak trafnych polecanek jak tam. Więcej tu: https://en.m.wikipedia.org/wiki/Music_Genome_Project Niech działają, dobrej muzyki nigdy za dużo. Tak to na pewno też działa Widzę, że jakieś algorytmy genetyczne tam zastosowano. Autorka pracy wspominała, że chciała uniezależnić to wykrywanie od nakałdu czasu ludzi. W momencie kiedy mamy już wytrenowaną sieć neuronową wrzucamy dowolny utwór i jest on analizowany, podczas gdy w tym Music Genome wygląda na to, że "Each song is analyzed by a musician in a process that takes 20 to 30 minutes per song." Nie ukrywam, że nie przeczytałem tego prawie 300 stronicowego tomiska, a pewnie jest tam dokładnie opisane czym różni się to podejście od stosowanych obecnie oraz jakie ma wady i zalety Quote Link to post Share on other sites
s1ayto 15 Posted August 8, 2017 Report Share Posted August 8, 2017 26 minut temu, killwasi napisał: Z przykładów jakich słuchałem mogę powiedzieć, że bardzo trafnie. Bo on łączy utwory, o których nawet byśmy nie pomyśleli zupełnie. Oparte jest to o sieć neuronową, która uczy sie na podstawie danych zebranych z dużej grupki osób. Oczywiście nie zapoznałem się z całością pracy, ale możesz powiedzieć o jakich przykładach mówisz? Przyznam, że zabiję za dobre narzędzie do odkrywania nowej muzyki Quote Link to post Share on other sites
daviox 150 Posted August 8, 2017 Report Share Posted August 8, 2017 Z sugestiami na podstawie tagów (last.fm) mam takie doświadczenie, że albo już to znam, albo sugeruje mi ten sam album z uwagi na drobne różnice w tagach. Co prawda w last.fm można oznaczyć połączenie albumów, lub wykonawców, jednak różnie z tym bywało. Preferuję szukanie samemu, lub polecane przez znajomych, aczkolwiek mam cichą nadzieję na jakąś rewolucję w kwestii sugerowania utworów, lub wykonawców. Quote Link to post Share on other sites
killwasi 211 Posted August 8, 2017 Author Report Share Posted August 8, 2017 3 minuty temu, s1ayto napisał: Oczywiście nie zapoznałem się z całością pracy, ale możesz powiedzieć o jakich przykładach mówisz? Przyznam, że zabiję za dobre narzędzie do odkrywania nowej muzyki Ja też pracy nie czytałem (jeszcze ) ale podczas prezentacji były pokazane dwa przykłady na podstawie 4 utworów. Pierwszy przykład to były dwa utwory różnych gatunków zaklasyfikowane przez inne systemy jako różne, a faktycznie miały bardzo podobny mood/sposób grania - ciężko to określić, ale po prostu gdybym lubił jeden to polubiłbym drugi. Drugi przykład pokazał dwa utwory tege samego gatunku na bardzo podobnych instrumentach i z podobnym tempem zaklasyfikowane przez inne systemy jako podobne, a wcale podobne nie były. Nie wiem co to za utwory, ale prawdopodobne że w tej pracy gdzieś się znajdują te przykłady. No dzisiaj nie poszukam ,ale kiedyś na pewno sie pokuszę Quote Link to post Share on other sites
LoneVagrant 43 Posted August 8, 2017 Report Share Posted August 8, 2017 Już widzę słabość takiej klasyfikacji - co ze złożonymi utworami? Np. IMO pasują do jego opisu wszystkie nastroje poza "wesoły" i co z tym zrobić? (chyba, że wartości na osiach się nie wykluczają, np. może być smutny i wesoły jednocześnie, to nvm) Quote Link to post Share on other sites
killwasi 211 Posted August 8, 2017 Author Report Share Posted August 8, 2017 1 godzinę temu, LoneVagrant napisał: Już widzę słabość takiej klasyfikacji - co ze złożonymi utworami? Niektóre problemy będą zawsze i ich nie obejdziemy Wydaje mi się, że to kółko ma tylko pozwolić nam ludziom jakoś to zaklasyfikowac i nauczyć sieć neuronową również klasyfikować podobnie do nas. Algorytm nigdy nie wie czy coś jest wesołe czy energiczne czy depresyjne, ma wiedzieć co jest do czego podobne Tak naprawdę wszystko zależy od wytrenowania sieci, choć z tego co pamiętam to nie była zbyt głęboka. Jakby co to ja jakoś nie bronię tego podejścia za wszelką cenę tylko spodobało mi się, że ktoś w końcu zaprzęgł tego typu algorytmy do czegoś na czym mi zależy Quote Link to post Share on other sites
s1ayto 15 Posted August 9, 2017 Report Share Posted August 9, 2017 Cieszmy się, że są takie albumy/piosenki, które ciężko zaszufladkować Inaczej byłaby nuda nuda nuda.. 2 Quote Link to post Share on other sites
Recommended Posts
Join the conversation
You can post now and register later. If you have an account, sign in now to post with your account.