AI Summary & Key Takeaways
AI InsightSonuç olarak, ‘Rastgele Orman’ algoritması ile makam tanımada %89,7 oranında başarım gözlemlenmiştir.
📌 3 Key Takeaways
Özet
Müzik eserlerinin sayısal ortama aktarılmasıyla birlikte, bilgisayar bilimleri müzikoloji çalışmalarının içerisinde kendine yer bulmaya başlamıştır. Müzik eserleri bilimsel araştırmalarda veri olarak kullanılmakta ve hesaplamalı müzik alanı bu alanda yapılan çalışmalar ile hızla gelişmektedir. Her ne kadar yapılan çalışmaların büyük bir bölümü sembolik olarak ifade edilmesi daha kolay olan Batı Müziği eserleri üzerine olsa da, Türk Müziği eserleri de artık çeşitli çalışmaların konusu olmaktadır. Türk Müziğinin temeli olan makam sistemi, bilgisayar bilimleri ile uğraşan araştırmacıların dikkatini çekmiş ve Türk Müziği eserleri veri madenciliği, makine öğrenmesi, sınıflandırma gibi çalışmaların konusu olmuştur. Bu çalışmada, bir ses dosyasından nota tanıma ile elde edildiği varsayılan ve 1261 Türk Müziği eserine ait sadece nota dizilerini içeren veri dosyası üzerinde makine öğrenmesi metodu ile makam tahmini yapmaya yönelik deneysel bir çalışma gerçekleştirilmiştir. MusicXML biçimindeki eserlerin makine öğrenmesi uygulamasında kullanılabilmesi amacıyla bir yazılım geliştirilmiş, bu yazılımla makine öğrenmesinde başarımı arttırmak için özgün veri kümesine dört farklı türetilmiş veri sahası eklenmiştir. Sonuç olarak, ‘Rastgele Orman’ algoritması ile makam tanımada %89,7 oranında başarım gözlemlenmiştir.