2 个月前

机器学习和基于和弦的特征工程在巴西流行音乐类型预测中的应用

Bruna D. Wundervald; Walmes M. Zeviani
机器学习和基于和弦的特征工程在巴西流行音乐类型预测中的应用
摘要

音乐流派很难描述:涉及许多因素,如风格、音乐技巧和历史背景。一些流派甚至具有重叠的特征。为了更好地理解音乐流派与音乐和声结构之间的关系,我们收集了数千首流行巴西歌曲的和弦数据。这里的“流行”不仅指名为MPB(巴西流行音乐)的流派,还包括九种被认为特别适用于巴西情况的不同流派。本研究的主要目标是从和弦数据中提取和工程化与和声相关的特征,并利用这些特征对流行巴西音乐流派进行分类,以建立和声关系与巴西流派之间的联系。我们还强调了获取数据方法的通用性,这使得本研究可以被复制并直接扩展。我们的最终模型是多个分类树的组合,也称为随机森林模型。我们发现,从和声元素中提取的特征可以令人满意地预测巴西情况下的音乐流派,以及从Spotify API获得的特征。本研究中考虑的变量还提供了一些关于它们如何与流派相关联的直观认识。

机器学习和基于和弦的特征工程在巴西流行音乐类型预测中的应用 | 最新论文 | HyperAI超神经