Musikmetadaten und -merkmale

Thomas Gängler Belegarbeit - Verteidigung

Metadaten und Merkmale zur Verwaltung von persönlichen Musiksammlungen

Musikmetadaten und -merkmale

Aufgabenstellung
# #

Thomas Gängler Belegarbeit - Verteidigung

Darstellung von Anwendungsfällen im privaten Umfeld: > Persönliche Musiksammlungen als Anwendungsbereich Untersuchung von Audio-Material-Analysetechniken und -Beschreibungsformen: > Charakteristische Merkmale und Metadatenstandards > Prozess der Merkmals- und Metadatenextraktion > Existierende Lösungen in diesem Bereich

#

Konzeption und prototypische Umsetzung einer AudioAnalyse-Komponente

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

02 / 24

Musikmetadaten und -merkmale

Agenda
# # # # # Motivation Anwendungsfälle auf private Musiksammlungen Musikmerkmale und -metadaten Merkmals- und Metadatenextraktion Fazit und Ausblick

Thomas Gängler Belegarbeit - Verteidigung

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

03 / 24

Musikmetadaten und -merkmale

Persönliche Musiksammlungen
# Verlagerung in den Bereich digitaler Medien:

Thomas Gängler Belegarbeit - Verteidigung

> Sinnesempfindung der Haptik rückt in den Hintergrund > Größe der Sammlungen steigt

# Neue Zugangsmöglichkeiten für Verwaltung notwendig: > Erfordern moderne Musikmerkmalsextraktionstechniken und Informationsanreicherungsmethoden # Anpassung an die Wahrnehmung des Benutzers

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

04 / 24

Musikmetadaten und -merkmale

Musikinformationsretrieval

Thomas Gängler Belegarbeit - Verteidigung

[01]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 05 / 24

Musikmetadaten und -merkmale

Anwendungsfälle
# # # # # # # Ordnen Orientieren Suchen Empfehlen Wiedergabelisten- und Mixgenerierung Verändern Gemeinsam Benutzen

Thomas Gängler Belegarbeit - Verteidigung

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

06 / 24

Musikmetadaten und -merkmale

Ordnen
# Klassisch: Künstlername, Albumtitel, Musikstücktitel # Sichtenbasiert: aktuelle Lieblingsstücke, allgemeine # # Favoriten, Archiv, ...

Thomas Gängler Belegarbeit - Verteidigung

> Größe und Kontext beeinflusst Metadatenfelderbedarf Wiedergabehäufigkeit, Veröffentlichungsdatum, ... Individuelle Strategien: Musikkontext > Inhaltliche Eigenschaften (akustisch, subjektiv) Möglichkeit der Mehrfachbelegung von Metadatenfeldern > Austausch- und portierbar

# Modern: Musikgenre, Herkunftsland, Beliebtheit,

# Benutzerprofil für Musikkontexte und Ordnungsstrategien

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

07 / 24

Musikmetadaten und -merkmale

Orientieren
# Klassisch: Facettennavigation, Coverbild-Anzeige #
\ Motivation

Thomas Gängler Belegarbeit - Verteidigung

Modern: > Kontextbasierte Sichten: Landkarte, Zeitleiste, Beziehungsnetz > Geo- und Zeit-Informationen und zugehör. Relationen > Musikkünstler, -gruppen, -stücke und Relationen > Vage/ungenaue bzw. subjektive Angaben > Zeitleiste + Beziehungsnetz + zusätzl. Informationen > 3-D-Raum auf Ähnlichkeitsmatrizen (inhaltl./kontext.)
\ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 08 / 24

> Kontentbasierte Sichten: Schieberegler, Feldnavigation > Mix: z.B.

Musikmetadaten und -merkmale

Suchen
# Verbalisierte Anfrage:

Thomas Gängler Belegarbeit - Verteidigung

> Textanfrage (IST) oder gesprochene Anfrage (SOLL) > Stichwortsuche (IST) oder Suche durch natürliche Sprache (SOLL) # # #
\ Motivation

Anfrage mit Audioinhalt: > Anfrage durch Melodie (Singen, Summen, ...), Klopfen, Musikbeispiel (SOLL)

# Hybride Anfrage: > Verbalisierte Anfrage + Anfrage mit Audioinhalt (SOLL) Sehr viel Kontext- und Inhaltsinformationen benötigt Anfragen oft unscharf formuliert
\ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 09 / 24

Musikmetadaten und -merkmale

Empfehlen
# Ähnlichkeitsmetriken aus: > Gemeinschaftliches Filtern > Audiosignalanalyse (Inhaltsbasiertes Filtern) > Metadatenanalyse (Kontextbasiertes Filtern)

Thomas Gängler Belegarbeit - Verteidigung

> Benutzerprofilauswertung (Musikgeschmacksprofil) # # #
\ Motivation

Einbeziehung aller Musikmetadatentypen möglich Probleme: Popularitätsverzerrung, Kalt-Start-Problem Lösung: sinnvolle Kombination bzw. Auswahl- und Wichtungsmöglichkeit der Ähnlichkeitsmetriken > z.B. Einbindung existierender Musikgeschmacksprofile, vordefinierter Stereotypen (demografisches Filtern)
\ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 10 / 24

Musikmetadaten und -merkmale

Wiedergabelisten und Mixe
# # Private Wiedergabeliste vs formaler Mix

Thomas Gängler Belegarbeit - Verteidigung

> Präzise und vage Angabe von vielfältigen Informationen Arten der Wiedergabelistengenerierung: > Durcheinandergemischt (ggf. teilordnungserhaltend) > Personalisiert bzw. clever: > Anfangswert-, Musikkontextdefinition, Auswahl

# Reaktions-/Bewertungsfunktion für Anpassung

[10]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 11 / 24

Musikmetadaten und -merkmale

Verändern

Thomas Gängler Belegarbeit - Verteidigung

# Größe, Struktur, Ort, Art der Musiksammlung und -stücke > Hinzufügen, Entfernen, Archivieren, Synchronisieren, ... > Werkzeuggesützte Verwaltung mit Hilfe von z.B. Gebrauchs- und Benutzungsanalysen # Informationen über/zu Musikstücken > (Teil-)automatisierte Ergänzungen/-korrekturen auf Basis der jeweiligen Musikmetadatentypen > Werkzeuggestützte Anpassungen durch Benutzer > Musikkommentierungsspiele

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

12 / 24

Musikmetadaten und -merkmale

Gemeinsam Benutzen
# Administrative Metadaten:

Thomas Gängler Belegarbeit - Verteidigung

> Benutzerprofile für angepasste Sichten und Statistiken > Zugangskontrolle (“Party-Modus”) > Freigaben (gemeinsames Archiv) > Digitales Ausleihen

[11]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 13 / 24

Musikmetadaten und -merkmale

Anforderungen

Thomas Gängler Belegarbeit - Verteidigung

# Bereitstellung, Verarbeitung von umfangreichen exakten und vagen Angaben in verschiedenen Bereichen > Ausnutzung semantischer Zusammenhänge # Benutzerprofil für Anpassungen, Statistiken #

Anforderungen von derzeitig existierenden Programmen zur Verwaltung von Musiksammlungen noch nicht erfüllt

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

14 / 24

Musikmetadaten und -merkmale

Musikmerkmale
einfache Audiosignaleigenschaften
physikalische Beschreibungen Frequenz, Spektrum, Intensität, Dauer Grobheit, Einschwingzeit, Lautheit, ...

Thomas Gängler Belegarbeit - Verteidigung

angereicherte Audiosignaleigenschaften
perzeptuelle Eigenschaften Tonhöhe, Tondauer, Klangfarbe raum-zeitliche Struktureigenschaften Harmonie, Rhythmus, Melodie, Musikvortragsbezeichnungen

Taxonomien

Genre, Stimmung, Instrumente, ... Folksonomien

Expertentaxonomien Industrietaxonomien, Internettaxonomien

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

15 / 24

Musikmetadaten und -merkmale

Musikgenretaxonomien

Thomas Gängler Belegarbeit - Verteidigung

# Keine allgemeingültige Musikgenretaxonomie möglich # Arten von Musikgenretaxonomien: > Expertentaxonomien: starr definiert, hierarisch, alternd > Folksonomien: flexibel, schnell wachsend, riesig > Ein dritter Ansatz: > (Teil-)Automatische Klassifikation/-Gruppierung = Audiosignaleigenschaften + Expertentaxonomien + Folksonomien + Benutzerprofil

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

16 / 24

Musikmetadaten und -merkmale

Musikmetadaten
# # Metadatentypen: > Objektiv: Künstler, Musikstücktitel, Albumtitel, ...

Thomas Gängler Belegarbeit - Verteidigung

> Subjektiv: Musikgerne, Stimmung, Bekanntheitsgrad, ... Musikmetadatentypen: > Redaktionelle Metadaten: professionell/ gemeinschaftlich erstellt; z.B. administrative Daten, Künstlerbiografien Musik in einem Kontext; z.B. Musikstil, ähnliche Künstler Melodie, Klangfarbe, ... > Kulturelle Metadaten: durch Kultur/ Milieu erzeugt, d.h. > Akustische Metadaten: Grundtonart, Tempo, Rhythmus,

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

17 / 24

Musikmetadaten und -merkmale

Musikmetadatenformate und - dienste
# Formatgebundene Spezifikationen: ID3, ... # Formatunabhängige Spezifikationen: > MPEG-Standards: MPEG-7, MPEG-21 > Ontologien: Music Ontology inkl. Erweiterungen # # Audiosignalträgerkatalogisierungsdienste: > CDDB, freeDB, MusicBrainz, Discogs, Allmusic, ... Musikempfehlungs- und entdeckungsdienste:

Thomas Gängler Belegarbeit - Verteidigung

> Last.fm, Pandora, Amazon, Rockanango-Projekt, ...

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

18 / 24

Musikmetadaten und -merkmale

Musikmetadatenformate und -dienste

Thomas Gängler Belegarbeit - Verteidigung

# Unterstützung und Qualität nach Musikmetadatentypen: redaktionelle ++ ++ +++ + + ++ +++ +++ ++ ++ ++ ++
\ Musikmerkmale

formatgebunden MPEG-7 und -21 Music Ontology CDDB² freeDB MusicBrainz Discogs Allmusic Last.fm Pandora Amazon Rockanango
\ Motivation \ Anwendungsfälle

kulturelle + + +++ + ++ ++ ++ +++ ++ + ++
\ Merkmalsextraktion

akustische ++ +++ + + ++ + ++ ++
\ Fazit 19 / 24

Musikmetadaten und -merkmale

Merkmalsextraktion

Thomas Gängler Belegarbeit - Verteidigung

[12]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 20 / 24

Musikmetadaten und -merkmale

Audiosignalextraktion
Musikdokument Audiosignal Signalabtastung Analyse-/Texturfenster
STFT, DWT, VRT, ... Mel-Skala, Bark-Skala Rhythmus, Tonhöhe, Klangfarbe

Thomas Gängler Belegarbeit - Verteidigung

# Rahmenwerke: > MARSYAS, CLAM, Vamp # # Programmiersprache: ChucK Web Services: > MUSCLE, Echo Nest
Direkte Statistiken Spektralstatistiken Perzeptionsstatistiken Musikalischer Fingerabdruck

Zeit-Frequenz-Transformation Perzeptionsmodelle Histogramme

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

21 / 24

Musikmetadaten und -merkmale

Metadatenextraktion

Thomas Gängler Belegarbeit - Verteidigung

Musikdokument
Jaudiotagger, TagLib, Aperture, Echo Nest, ...

Audiosignalanalyse Merkmalsvektoren
Web Services, Suchmaschinen, Musikinformationsseiten, SPARQLEndpunkte, lokal bzw. privaten Netzwerk, ...

Metadaten

Metadatenanreicherung
Multivariate Analysemethoden, Maschinelles Lernen, Ontologien

Klassi kation, Einordnung, Ähnlichkeiten Persönliche Musikwissensbasis
Triple bzw. Quad Store, audioDB

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

22 / 24

Musikmetadaten und -merkmale

Fazit und Ausblick
# Fazit:

Thomas Gängler Belegarbeit - Verteidigung

> Modellierung des Musikwahrnehmungs- und Verarbeitsprozesses ist komplex > Kombination der Merkmalsextraktionstechniken und Anpassung an das Benutzerprofil notwendig > Unschärfe und Abstraktion für intuitiven Umgang > Ontologiebasiertes Metadatenformat (Music Ontology) für formatgebundene und -unabhängige Spezifikationen Grundlage für bessere Benutzung der Musiksammlung > Umfangreiche persönliche Musikwissensbasis als

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

23 / 24

Musikmetadaten und -merkmale

Fazit und Ausblick
# Ausblick:

Thomas Gängler Belegarbeit - Verteidigung

> Implementierung einer persönlichen Musikwissensbasis > Ausnutzung des Web of Data für Wissensanreicherung > Ontologiebasiertes Musikmetadatenformat in Musikdokumenten > Erweiterung der Music Ontology (Wiedergabelisten
\ Motivation

modellierung, erweitertes Veröffentlichungskonzept) Einordnungs-, Klassifikations- und Regressionstechniken

> Optimierung der Extraktionsabläufe (VRT, ...) und > Digitales Ausleihen > Anfragen per natürlicher Sprache (textuell/mündlich)
\ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 24 / 24

Musikmetadaten und -merkmale

Bilderverzeichnis
[01] [02] [03] [04] [05] [06] [07] [08] [09] [10] [11] [12] [13] [14] [15] [16] [17] \ Motivation

Thomas Gängler Belegarbeit - Verteidigung

Xavier Serra. Sound and Music Description. Presentation at Music Technology Group, Universitat Pompeu Fabra, Barcelona, 2008 Ausschnitt aufgenommen von der Sicht Cover Flow in iTunes Ausschnitt aufgenommen von http://www.lastmusicmap.com/# Yves Raimond. A Distributed Music Information System. PhD thesis, Queen Mary, University of London, November 2008. Ausschnitt aufgenommen von http://audiomap.tuneglue.net Ausschnitt aufgenommen von http://finetunes.musiclens.de/ Ausschnitt aufgenommen von http://musicovery.com/ Ausschnitt aufgenommen von http://www.sfu.ca/˜jdyim/musicianMap/musicianMap.html Ausschnitt aufgenommen von der Sicht mufin vision in MAGIX MP3 Maker 15 Anita Shen Lillie. MusicBox: Navigating the space of your music. Master’s thesis, School of Architecture and Planning, Massachusetts Institute of Technology, September 2008. Beispiel ist von der Rent-Aktion abgeleitet; siehe http://rhizomik.net/˜roberto/thesis/html/Conceptualisation.html#ActionRent Tristan Jehan. Creating Music by Listening. PhD thesis, School of Architecture and Planning, Massachusetts Institute of Technology, September 2005. http://ims.dei.unipd.it/websites/cms/research/musicinformation-retrieval.html Luis Gustavo Pereira Marques Martins. A Computational Framework for Sound Segregation in Music Signals. PhD thesis, Faculdade de Engenharia da Universidade do Porto, Sep. 2008. Michael Fingerhut. Music Information Retrieval, or how to search for (and maybe find) music and do away with incipits. In International Association of Sound and Audiovisual Archives (IASA) Conference 2004, Oslo, Norwegen, 2004. Thomas Lidy. Evaluation of New Audio Features and Their Utilization in Novel Music Retrieval Applications. Master’s thesis, Institut für Softwaretechnik und Interaktive Systeme, Technischen Universität Wien, Wien, Österreich, Dezember 2006. Aliaksandr V. Paradzinets. Variable Resolution Transform-based Music Feature Extraction and their Applications for Music Information Retrieval. PhD thesis, Ecole Centrale de Lyon, 2007. \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 25 / 24

Musikmetadaten und -merkmale

Musikmetadatendiensteverzeichnis
CDDB freeDB MusicBrainz Discogs Allmusic Last.fm Pandora Rockanango Amazon http://www.gracenote.com/ http://www.freedb.org/ http://musicbrainz.org/ http://www.discogs.com/ http://www.allmusic.com/ http://www.lastfm.de/ http://www.pandora.com/ http://www.aristomusic.com/ http://www.amazon.com/

Thomas Gängler Belegarbeit - Verteidigung

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

26 / 24

Musikmetadaten und -merkmale

Rahmenwerke, Dienste, Datenbanken
MARSYAS CLAM Vamp ChucK MUSCLE EchoNest Jaudiotagger Aperture TagLib audioDB

Thomas Gängler Belegarbeit - Verteidigung

George Tzanetakis. Manipulation, Analysis and Retrieval Systems for Audio Signals. PhD thesis, Computer Science Department, Princeton University, 2002. Xavier Amatriain, Pau Arumi, and David Garcia. CLAM: A Framework for Efficient and Rapid Development of Cross-platform Audio Applications. In Proceedings of ACM Multimedia 2006, pages 951 – 954, Santa Barbara, California, USA, Oktober 2006. http://www.vampplugins.org/ Ge Wang, Rebecca Fiebrink, and Perry R. Cook. Combining Analysis and Synthsis in the ChuK Programming Language. In Proceedings of the 2007 International Computer Music Conference (ICMC), Kopenhagen, Dänemark, 2007. http://www.muscle-noe.org/ http://the.echonest.com/ http://www.jthink.net/jaudiotagger/index.jsp http://aperture.sourceforge.net/index.html http://developer.kde.org/˜wheeler/taglib.html http://omras2.doc.gold.ac.uk/software/audiodb/

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

27 / 24

Musikmetadaten und -merkmale

MIR im Kontext

Thomas Gängler Belegarbeit - Verteidigung

[13]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 28 / 24

Musikmetadaten und -merkmale

Musikwahrnehmung

Thomas Gängler Belegarbeit - Verteidigung

[14]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 29 / 24

Musikmetadaten und -merkmale

Orientieren
# Klassisch: > Facetttennavigation > Coverbild-Anzeige

Thomas Gängler Belegarbeit - Verteidigung

[02]

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

30 / 24

Musikmetadaten und -merkmale

Orientieren
# Modern (kontextbasierte Sichten): Landkarte > Geo-Informationen und zugehörige Relationen

Thomas Gängler Belegarbeit - Verteidigung

> Veröffentlichungsland, Künstlergeburtsort, Konzertorte, ...

[03]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 31 / 24

Musikmetadaten und -merkmale

Orientieren
# Modern (kontextbasierte Sichten): Zeitleiste > Zeit-Informationen und zugehörige Relationen

Thomas Gängler Belegarbeit - Verteidigung

> Veröffentlichungsjahr, Künstlergeburtsjahr, Zeitintervall von Künstlerkooperationen, ...

[04]

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

32 / 24

Musikmetadaten und -merkmale

Orientieren
# Modern (kontextbasierte Sichten): Beziehungsnetz > Musikkünstler, -gruppen, -stücke und zugehörige Relationen Remix von Musikstück V, ...

Thomas Gängler Belegarbeit - Verteidigung

> Künstler X gehört zu Gruppe Y, Musikstück W ist ein

32 / 24

[05]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 33 / 24

Musikmetadaten und -merkmale

Orientieren

Thomas Gängler Belegarbeit - Verteidigung

# Modern (kontentbasierte Sichten:) 3-D-Netz, Schieberegler > Oft vage/ungenaue bzw. subjektive Angaben > Lautstärke, Tempo, Gesangsstimme, Instrumentierung, ...

[06]

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

34 / 24

Musikmetadaten und -merkmale

Orientieren
# Modern (kontentbasierte Sichten): Feldnavigation > Stimmung, Tanzbarkeit, ...

Thomas Gängler Belegarbeit - Verteidigung

[07]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 35 / 24

Musikmetadaten und -merkmale

Orientieren

Thomas Gängler Belegarbeit - Verteidigung

# Mix: Zeitleiste, Beziehungsnetz, zusätzliche Informationen

[08]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 36 / 24

Musikmetadaten und -merkmale

Orientieren

Thomas Gängler Belegarbeit - Verteidigung

# Mix: 3-D-Raum (Parametrisierung von Achsen, Größe, Farbe) > Ähnlichkeitsmatrizen

[09]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 37 / 24

Musikmetadaten und -merkmale

Musikmerkmale und -metadaten

Thomas Gängler Belegarbeit - Verteidigung

[15]
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 38 / 24

Musikmetadaten und -merkmale

Rhythmushistogramm

Thomas Gängler Belegarbeit - Verteidigung

[16]

#

Rhythmus-Muster (oben) & Rhythmus-Histogramm (unten)

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

39 / 24

Musikmetadaten und -merkmale

Klangfarbenhistogramm

Thomas Gängler Belegarbeit - Verteidigung

[17]

# VRT-Spektrogramm zur Klangfarbenrepräsentation
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 40 / 24

Musikmetadaten und -merkmale

Metadatenextraktion
# # # Metadatenextraktion aus Musikdokumenten: > Jaudiotagger, TagLib, Echo Nest Metadatenanreicherung durch Informationssuche:

Thomas Gängler Belegarbeit - Verteidigung

> Web Services, Suchmaschinen, SPARQL-Endpunkte > Lokal bzw. privater Netzwerke > Multivariate Analysemethoden (Cluster, MDS, KNN, ...) > Maschinelles Lernen (HMM, SVM, Boosting, ...) > Ontologien (Similarity Ontology, ...) Persönliche Musikwissensbasis > Quad Store, audioDB
\ Motivation \ Anwendungsfälle \ Musikmerkmale \ Merkmalsextraktion \ Fazit 41 / 24

# Klassifikation, Zuordnung und Ähnlichkeiten:

Musikmetadaten und -merkmale

SPARQL-Anfrage DBTune BBC Backstage

Thomas Gängler Belegarbeit - Verteidigung

http://dbtune.org/ http://bbc.openlinksw.com/sparql

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

42 / 24

Musikmetadaten und -merkmale

Abkürzungen
MARSYAS CLAM MUSCLE STFT DWT VRT SPARQL MDS KNN HMM SVM

Thomas Gängler Belegarbeit - Verteidigung

Music Analysis, Retrieval, and SYnthesis for Audio Signals C++ Library for Audio and Music Multimedia Understanding through Semantics, Computation and LEarning Short-Time Fourier-Transformation Diskrete Wavelet-Transformation Variable Resolution Transform SPARQL Protocol and RDF Query Language MultiDimensionale Skalierung Künstliche Neuronale Netze Hidden-Markov-Modelle Support-Vektor-Maschinen

\ Motivation

\ Anwendungsfälle

\ Musikmerkmale

\ Merkmalsextraktion

\ Fazit

43 / 24

Sign up to vote on this title
UsefulNot useful