Computational models of music similarity and their application in music information retrieval

Abstract

Die Zielsetzung dieser Dissertation ist die Entwicklung von Methoden zur Unterstützung von Anwendern beim Zugriff auf und bei der Entdeckung von Musik. Der Hauptteil besteht aus zwei Kapiteln.<br />Kapitel 2 gibt eine Einführung in berechenbare Modelle von Musikähnlichkeit.<br />Zudem wird die Optimierung der Kombination verschiedener Ansätze beschrieben und die größte bisher publizierte Evaluierung von Musikähnlichkeitsmassen präsentiert. Die beste Kombination schneidet in den meisten Evaluierungskategorien signifikant besser ab als die Ausgangsmethode.<br />Besondere Vorkehrungen wurden getroffen um Overfitting zu vermeiden. Um eine Gegenprobe zu den Ergebnissen der Genreklassifikation-basierten Evaluierung zu machen, wurde ein Hörtest durchgeführt. Die Ergebnisse vom Test bestätigen, dass Genre-basierte Evaluierungen angemessen sind um effizient große Parameterräume zu evaluieren. Kapitel 2 endet mit Empfehlungen bezüglich der Verwendung von Ähnlichkeitsmaßen.<br />Kapitel 3 beschreibt drei Anwendungen von solchen Ähnlichkeitsmassen.<br />Die erste Anwendung demonstriert wie Musiksammlungen organisiert and visualisiert werden können, so dass die Anwender den Ähnlichkeitsaspekt, der sie interessiert, kontrollieren können. Die zweite Anwendung demonstriert, wie auf der Künstlerebene Musiksammlungen hierarchisch in sich überlappende Gruppen organisiert werden können. Diese Gruppen werden mittels Wörter von Webseiten zusammengefasst, welche mit den Künstlern assoziiert sind. Die dritte Anwendung demonstriert, wie mit minimalen Anwendereingaben Playlisten generiert werden können.<br />

This thesis aims at developing techniques which support users in accessing and discovering music. The main part consists of two chapters.<br />Chapter 2 gives an introduction to computational models of music similarity. The combination of different approaches is optimized and the largest evaluation of music similarity measures published to date is presented. The best combination performs significantly better than the baseline approach in most of the evaluation categories. A particular effort is made to avoid overfitting. To cross-check the results from the evaluation based on genre classification a listening test is conducted.<br />The test confirms that genre-based evaluations are suitable to efficiently evaluate large parameter spaces.<br />Chapter 2 ends with recommendations on the use of similarity measures.<br />Chapter 3 describes three applications of such similarity measures. The first application demonstrates how music collections can be organized and visualized so that users can control the aspect of similarity they are interested in. The second application demonstrates how music collections can be organized hierarchically into overlapping groups at the artist level. These groups are summarized using words from web pages associated with the respective artists. The third application demonstrates how playlists can be generated which require minimum user input.<br />