Sarkı Sözü ve Ses Niteliklerini Kullanarak Türkçe Müzik Türü Sınıflandırması

Özet

Müzik Bilgi Getirimi (MIR) son yıllarda popüler bir araştırma alanı olmuştur. Bu baglamda, araştırmacılar müzik türü, sevilen şarkıların tespiti ve otomatik çalma listesi oluşturma gibi önemli problemlere çözüm üretmek için müzik bilgi sistemleri geliştirmişlerdir. Önceki çalışmalarda üst-veri bilgisi, şarkı sözleri ya da müzigin melodik içerigi nitelik kaynagı olarak kullanılmıştır. Ancak, şarkı sözleri genellikle MIR sistemlerinde ˘ kullanılmamış ve özellikle Türkçe için bu alanda yapılan çalışma sayısı yetersiz kalmıştır. Bu çalışmada, ilk olarak, her bir şarkıya ait ses dosyası eklenerek daha önce oluşturdugu- ˘ muz Türkçe şarkı sözlerinden oluşan Türkçe MIR (TMIR) veri kümesi genişletilmiştir. ˙Ikinci olarak, ses ve metinsel niteliklerin birlikte ve ayrı kullanıldıklarında Müzik Türü Sınıflandırması (MGC) üzerindeki etkisi incelenmiştir. Metinsel nitelikler word2vec ve kelime torbası gibi nitelik çıkarım modelleri ile şarkı sözlerinden çıkarılmıştır. Deneyler Destek Vektör Makinesi (SVM) algoritması ile gerçekleştirilmiş ve nitelik seçimi ile farklı nitelik gruplarının MGC üzerindeki etkisi incelenmiştir. şarkı sözü tabanlı MGC bir metin sınıflandırma işlemi olarak ele alınmış, ayrıca terim agırlıklandırma yönteminin etkisi incelenmiştir. Deneysel sonuçlar ses niteliklerinin yanı sıra özellikle denetimli bir agırlık- landırma yöntemi kullanıldıgında metinsel niteliklerin de MGC için etkili olabilecegini göstermiştir. Metinsel nitelikler ses nitelikleri ile birlikte kullanılarak en yüksek %99,12 oranında başarı elde edilmiştir.

Abstract

Music Information Retrieval (MIR) has become a popular research area in recent years. In this context, researchers have developed music information systems to find solutions for such major problems as automatic playlist creation, hit song detection, and music genre or mood classification. Meta-data information, lyrics, or melodic content of music are used as feature resource in previous works. However, lyrics do not often used in MIR systems and the number of works in this field is not enough especially for Turkish. In this paper, firstly, we have extended our previously created Turkish MIR (TMIR) dataset, which comprises of Turkish lyrics, by including the audio file of each song. Secondly, we have investigated the effect of using audio and textual features together or separately on automatic Music Genre Classification (MGC). We have extracted textual features from lyrics using different feature extraction models such as word2vec and traditional Bag of Words. We have conducted our experiments on Support Vector Machine (SVM) algorithm and analysed the impact of feature selection and different feature groups on MGC. We have considered lyrics based MGC as a text classification task and also investigated the effect of term weighting method. Experimental results show that textual features can also be effective as well as audio features for Turkish MGC, especially when a supervised term weighting method is employed. We have achieved the highest success rate as 99,12% by using both audio and textual features together.