KR101675957B1 - 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법 - Google Patents

신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법 Download PDF

Info

Publication number
KR101675957B1
KR101675957B1 KR1020150033152A KR20150033152A KR101675957B1 KR 101675957 B1 KR101675957 B1 KR 101675957B1 KR 1020150033152 A KR1020150033152 A KR 1020150033152A KR 20150033152 A KR20150033152 A KR 20150033152A KR 101675957 B1 KR101675957 B1 KR 101675957B1
Authority
KR
South Korea
Prior art keywords
popularity
music
component
extracting
unit
Prior art date
Application number
KR1020150033152A
Other languages
English (en)
Other versions
KR20160116356A (ko
Inventor
이종석
이정혁
Original Assignee
연세대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020150033152A priority Critical patent/KR101675957B1/ko
Publication of KR20160116356A publication Critical patent/KR20160116356A/ko
Application granted granted Critical
Publication of KR101675957B1 publication Critical patent/KR101675957B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G06F17/3053—
    • G06F19/00—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Auxiliary Devices For Music (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 음악 신호의 특징 성분과 인기 흐름과의 상관관계를 분석하여 인기도 예측 모델을 구축하여 새롭게 발표되는 음악의 히트 정도를 미리 예측할 수 있도록 한 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법에 관한 것으로, 음악 인기도 예측 모델 구축 및 인기도 예측을 하기 위한 음악 파일을 입력하는 음원 입력부;음악 인기 변화와의 상관 관계를 분석하기 위한 신호 성분을 추출하는 데이터 추출부;데이터 추출부에서 추출된 코드(chord),리듬(rhythm),음색(timbre) 요소 및 자극 요소를 분석하여 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 수행하는 상관 관계 분석부;상관 관계 분석부에서의 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 위한 차트 랭킹 정보를 제공하는 차트 랭킹 정보 입력부;상관 관계 분석부의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하고, 인기도 예측을 하기 위한 음악 파일이 입력되면 구축된 음악 인기도 예측 모델을 이용하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력하는 인기도 예측 결과 출력부;를 포함하는 것이다.

Description

신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법{System and Method for Predicting Music Popularity using the Signal Component Analysis}
본 발명은 음악 인기 예측에 관한 것으로, 구체적으로 음악 신호의 특징 성분과 인기 흐름과의 상관관계를 분석하여 인기도 예측 모델을 구축하여 새롭게 발표되는 음악의 히트 정도를 미리 예측할 수 있도록 한 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법에 관한 것이다.
엔터테인먼트 분야는 승자독식(Winner takes all)의 원리가 적용되는 대표적인 산업이다.
히트한 상품은 많은 실패작의 비용을 회수하고도 남을 이익을 안겨주기 때문에 엔터테인먼트 산업 관계자들은 히트작을 만드는 요인이 무엇인지 밝히기 위해 많은 시도를 하였다.
학계에서도 엔터테인먼트 상품의 성공요인을 밝히려는 연구들이 있어왔다.
대부분의 연구들은 영화나 음악과 같이 감성이 중요한 상품에서 콘텐츠의 요소를 계량화하는 것이 쉽지 않기 때문에 콘텐츠 외적 요소에 초점을 맞추어 왔다.
그러나 최근 산업이 성숙하고 창작자들에게 성공의 노하우들이 쌓이면서 콘텐츠 내적 요소를 이용하여 흥행을 예측하는 시도가 증가하고 있다.
특히 영화 산업에서 이러한 시도가 많이 이루어졌는데 조셉 캠벨(1999), 크리스토퍼 보글러(2005)는 영화의 기반이 되는 시나리오의 구조를 분석, 흥행하는 영화의 시나리오 공식을 제시하기도 하였다.
대중음악 분야에서도 히트 영향요인 분석은 연구자와 산업 관계자 모두에게 관심 있는 주제이다.
대중음악의 오래된 히트공식 중에는 머니 코드(Money Chord)가 있다.
머니 코드란 귀에 편하고 익숙하게 들려서 상업적인 성공 가능성이 높은 코드진행을 말한다.
'The Axis of Awesome'라는 그룹은 이 머니코드만으로 팝 히트송 35곡의 주요 부분을 이어서 연주, 노래하여 화제가 된 적이 있다.
브리티시 인베이전(British Invasion)으로 불리고 60년대 이후 영미 팝을 재편한 영국밴드 비틀즈(The Beatles)의 'Let It Be'는 머니 코드로 작곡되었다.
그리고 음반 판매의 영향요인을 밝히기 위한 연구들이 진행된 바 있으나, 이러한 연구들은 음악적 요소보다는 가수특성, 노출된 미디어, 유통 및 전략변수 등 음악 외적 요인들을 주로 다루고 있다.
그러나 이와 같은 음악 외적 요인들을 주로 다루는 종래 기술의 예측 방법과는 다른 음악 요소 자체에 초점을 두고 시장의 특성을 반영한 새로운 성공 요인들을 찾는 분석 예측 기술의 개발이 요구되고 있다.
대한민국 공개특허번호 제10-2011-0046864호 대한민국 공개특허번호 제10-2014-0025044호
본 발명은 이와 같은 종래 기술의 음악 인기 예측 방법의 문제를 해결하기 위한 것으로, 음악 신호의 특징 성분과 인기 흐름과의 상관관계를 분석하여 인기도 예측 모델을 구축하여 새롭게 발표되는 음악의 히트 정도를 미리 예측할 수 있도록 한 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 현재 유행하고 있는 음악이 어느 음악인가를 추단할 수 있는 바로미터가 될 수 있으며, 음악의 히트 여부 더 나아가 신곡의 히트 가능성을 판단하는데 활용될 수 있도록 한 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 제작자와 창작자들에게 음악시장의 트렌드 변화를 구체적으로 제시하고 차기 히트곡 창작을 위한 정보를 유형별로 제시하고 가수특성 차이에 대한 마케팅 차원의 유용한 정보를 제공할 수 있도록 한 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명은 음원을 유통하거나 제공해주는 서비스 시장에서 음원의 인기도에 따라 음원을 보유할지에 대한 선택을 도와주는 한 지표의 역할을 하고, 저작권자가 음원을 출시하기 전에 음원의 인기도를 미리 예상할 수 있도록 한 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법을 제공하는데 그 목적이 있다.
본 발명의 목적들은 이상에서 언급한 목적들로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.
이와 같은 목적을 달성하기 위한 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템은 음악 인기도 예측 모델 구축 및 인기도 예측을 하기 위한 음악 파일을 입력하는 음원 입력부;음악 인기 변화와의 상관 관계를 분석하기 위한 신호 성분을 추출하는 데이터 추출부;데이터 추출부에서 추출된 코드(chord),리듬(rhythm),음색(timbre) 요소 및 자극 요소를 분석하여 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 수행하는 상관 관계 분석부;상관 관계 분석부에서의 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 위한 차트 랭킹 정보를 제공하는 차트 랭킹 정보 입력부;상관 관계 분석부의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하고, 인기도 예측을 하기 위한 음악 파일이 입력되면 구축된 음악 인기도 예측 모델을 이용하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력하는 인기도 예측 결과 출력부;를 포함하는 것을 특징으로 한다.
여기서, 데이터 추출부는, 소닉 비주얼라이저(Sonic visualizer)를 포함하고, 변동 패턴(fluctuation pattern)처리, MFCC(Mel-frequency cepstral coefficients) 계수 처리, 단기 크기(short-time magnitude) 신호 처리를 위한 수단들을 포함하는 것을 특징으로 한다.
그리고 데이터 추출부는, 코드의 구조 변화 성분을 추출하는 코드 구조 변화 성분 추출부와,리듬의 구조 변화 성분을 추출하는 리듬 구조 변화 성분 추출부와,음색의 구조 변화 성분을 추출하는 음색 구조 변화 성분 추출부와,소리 크기 변화(Loudness change)에 따른 자극 요소 성분을 추출하는 자극 요소 성분 추출부를 포함하는 것을 특징으로 한다.
그리고 데이터 추출부는, 코드의 구조 변화 성분 추출, 리듬의 구조 변화 성분 추출, 음색의 구조 변화 성분 추출시에 하나의 음악 파일에서 스케일에 따라 6개씩의 성분을 각각 추출하는 것을 특징으로 한다.
그리고 자극 요소 성분 추출부는 자극 요소 성분 추출시에 소리 크기 변화(Loudness change)의 평균 또는 표준 편차값을 이용하는 것을 특징으로 한다.
그리고 인기도 예측 결과 출력부는, 상관 관계 분석부의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하는 예측 모델 구축부와,인기도 예측을 하기 위한 음악 파일이 입력되면 데이터 추출부에서 추출된 코드(chord),리듬(rhythm),음색(timbre) 요소 및 자극 요소 성분을 구축된 음악 인기도 예측 모델에 대입하는 예측 모델 대입 처리부와,예측 모델 대입 처리부의 처리 결과에 따른 인기도 차트 예측 결과를 출력하는 인기도 차트 예측부와,예측 모델 대입 처리부의 처리 결과에 따른 인기 확률 예측 결과를 출력하는 인기 확률 예측부를 포함하는 것을 특징으로 한다.
그리고 인기도 차트 예측부에서 출력되는 지표는, 총 순위의 합, 차트 등재 기간, 최고순위, 데뷔순위, 순위의 표준편차, 순위의 첨도(kurtosis), 순위의 왜도(skewness), 20위 이상(1~20위) 기간, 30위 이하(31~50위) 기간, 총 등재 기간 중 얼마나 빨리 최고 순위에 도달할 것 인지를 판단하는 최고 순위의 위치를 포함하는 것을 특징으로 한다.
그리고 인기 확률 예측부에서는 음악의 인가가 많을지 적을지를 데이터 세트의 중앙값을 기준으로 예측하고, 인기도 총합, 최고 순위, 등재 기간, 왜도, 데뷔 순위의 지표를 출력하는 것을 특징으로 한다.
다른 목적을 달성하기 위한 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 방법은 예측 모델 구축을 위한 대상을 선정하고 데이터를 수집하는 단계;예측 모델 구축을 위한 대상 음악 파일을 입력받는 단계;예측 모델 구축을 위한 대상 음악 파일에서 코드 구조 변화 성분, 리듬 구조 변화 성분, 음색 구조 변화 성분, 자극 요소 성분을 추출하는 단계;차트 랭킹 정보를 입력하여 코드 구조 변화 성분, 리듬 구조 변화 성분, 음색 구조 변화 성분, 자극 요소 성분의 상관 관계를 분석하여 인기도 예측 모델을 구축하는 단계;예측이 필요한 신곡 음악 파일이 입력되면, 코드 구조 변화 성분, 리듬 구조 변화 성분, 음색 구조 변화 성분, 자극 요소 성분을 추출하여 구축된 예측 모델에 대입하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력하는 단계;를 포함하는 것을 특징으로 한다.
여기서, 인기도 차트 예측을 위하여, 총 순위의 합, 차트 등재 기간, 최고순위, 데뷔순위, 순위의 표준편차, 순위의 첨도(kurtosis), 순위의 왜도(skewness), 20위 이상(1~20위) 기간, 30위 이하(31~50위) 기간, 총 등재 기간 중 얼마나 빨리 최고 순위에 도달할 것 인지를 판단하는 최고 순위의 위치를 포함하는 지표를 출력하는 것을 특징으로 한다.
그리고 인기 확률 예측을 위하여, 인기도 총합, 최고 순위, 등재 기간, 왜도, 데뷔 순위의 지표를 출력하는 것을 특징으로 한다.
이와 같은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법은 다음과 같은 효과를 갖는다.
첫째, 음악 신호의 특징 성분과 인기 흐름과의 상관관계를 분석하여 정확도를 높인 인기도 예측 모델을 구축할 수 있다.
둘째, 정확도를 높인 인기도 예측 모델을 통하여 새롭게 발표되는 음악의 히트 정도를 미리 예측할 수 있도록 한다.
셋째, 현재 유행하고 있는 음악이 어느 음악인가를 추단할 수 있는 바로미터가 될 수 있는 정보를 제공할 수 있다.
넷째, 제작자와 창작자들에게 음악시장의 트렌드 변화를 구체적으로 제시하고 차기 히트곡 창작을 위한 정보를 유형별로 제시하고 가수특성 차이에 대한 마케팅 차원의 유용한 정보를 제공할 수 있다.
다섯째, 음원을 유통하거나 제공해주는 서비스 시장에서 음원의 인기도에 따라 음원을 보유할지에 대한 선택을 도와주고, 저작권자가 음원을 출시하기 전에 음원의 인기도를 미리 예상할 수 있다.
도 1은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템의 구성도
도 2는 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템의 상세 구성도
도 3은 본 발명에 따른 인기도 예측 결과 출력부의 상세 구성도
도 4는 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 방법을 나타낸 플로우 차트
이하, 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법의 바람직한 실시 예에 관하여 상세히 설명하면 다음과 같다.
본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법의 특징 및 이점들은 이하에서의 각 실시 예에 대한 상세한 설명을 통해 명백해질 것이다.
도 1은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템의 구성도이고, 도 2는 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템의 상세 구성도이다.
본 발명은 음악 신호의 특징들을 추출하여 각각의 성분이 음악이 얼마나 인기 있는지와 상관관계를 분석하고, 이를 통하여 새로운 음악이 주어졌을 때 인기도를 예측하는 모델을 구축하여 적용하는 것이다.
이와 같은 예측 모델 구축을 위한 본 발명의 일 실시 예에서는, 분석 데이터는 락 장르의 대중음악으로, 빌보드 차트 중 락 송(rock songs) 차트에 등재된 데이터를 사용하고 이로 제한되지 않고 예측 모델 구축을 위한 분석 데이터로 다른 장르의 음악이 사용될 수 있음은 당연하다.
상관관계를 분석할 성분으로는 음악의 복잡도(complexity)와 자극(arousal) 요소와 차트 초기성적을 사용한다.
음악 성분은 단기(short-time) 신호처리 과정을 거쳐 코드(chord), 리듬(rhythm), 음색(timbre) 요소를 추출하고 이를 구조적 변동(structural change) 분석 알고리즘을 사용해 추출한 18개의 데이터와 단기 크기(short-time magnitude) 신호 처리를 통해 추출한 음악의 흥미 요소 2개로 총 20개의 음악 신호로부터 추출된 입력 데이터로 구성되는 것이 바람직하다.
타겟으로 설정된 음악의 성적은 빌보드 차트 중 락 송(rock songs) 차트에서 전체 성적의 종합, 차트 등재 기간, 최대 순위 등의 정보를 사용한다.
본 발명은 위에서 추출한 입력 데이터와 타겟 정보를 종합적으로 학습 모델을 거쳐 주어진 음악에 대해 인기도를 예측하는 모델을 구축하는 구성, 음악 성분과 성적의 상관관계를 분석하는 구성, 초기 성적을 추가하였을 때 성적과의 상관관계를 추출하는 구성을 포함한다.
이와 같은 분석 및 예측에 의해 음원을 유통하거나 제공해주는 서비스 시장에서 음원의 인기도에 따라 음원을 보유할지에 대한 선택을 도와주는 지표를 제공한다.
또한 본 발명으로 저작권자가 음원을 출시하기 전에 음원의 인기도를 미리 예상할 수 있도록 할 수 있다.
이를 위한 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템은 도 1에서와 같이, 음악 인기도 예측 모델 구축 및 인기도 예측을 하기 위한 음악 파일을 입력하는 음원 입력부(10)와, 음악의 복잡도(complexity)와 자극(arousal) 요소와 차트 성적을 사용하여 음악 인기 변화와의 상관 관계를 분석하기 위한 신호 성분을 추출하는 데이터 추출부(20)와, 데이터 추출부(20)에서 추출된 코드(chord),리듬(rhythm),음색(timbre) 요소 및 자극 요소를 분석하여 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 수행하는 상관 관계 분석부(30)와, 상관 관계 분석부(30)에서의 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 위한 차트 랭킹 정보를 제공하는 차트 랭킹 정보 입력부(40)와, 상관 관계 분석부(30)의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하고 인기도 예측을 하기 위한 음악 파일이 입력되면 구축된 음악 인기도 예측 모델을 이용하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력하는 인기도 예측 결과 출력부(50)를 포함한다.
이와 같이 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템은 음악의 흥행도 예측 모델을 구축하기 위하여 음악에서 오디오 신호 처리(audio signal processing)를 거쳐 뽑아낸 특징 데이터로 차트로부터 추출한 음악의 인기도 성분과의 상관관계를 분석한다.
이와 같은 구성으로 인기도에 관련된 음악적 성분을 추출하여 음악 파일을 컴퓨터 프로그램으로 분석해 음악의 차트 상의 인기도를 예측할 수 있다.
본 발명의 일 실시 예에서는 인기도 기준을 음악 차트 예를 들면, 빌보드 차트(Billboard chart) 순위를 기준으로 하여, 최고 순위, 순위 유지 및 변동 상황, 기간 분석을 통하여 정할 수 있다.
그리고 인기도 예측은 최고 순위, 차트 등재 기간, 차트 순위의 표준편차, 왜도, 첨도 등의 지표를 예측할 수 있다.
그리고 인기도 분류는 최고 순위, 차트 등재 기간, 차트 순위의 표준편차, 왜도, 첨도 등의 인기도 요소에 대해 목표 성적을 넘길 수 있을지 없을지에 대해 예측하는 것을 포함한다.
그리고 음악 성분의 추출은 복잡도(Complexity)을 위하여 코드, 리듬, 음색의 구조적 변화(Structural change) 성분을 추출하고, 소리 크기 변화(Loudness change)와 같은 자극(Arousal) 요소를 포함하고, 차트 초기 성적 데이터를 더 포함한다.
예를 들어, 차트의 첫 두 주의 성적을 추가해 더 정확한 예측을 하도록 한다.
그리고 이와 같은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템에 사용되는 데이타풀(Data pool)은 제한되지는 않으나, 다음과 같이 구성될 수 있다.
예를 들어, 빌보드 차트의 락 송 차트(rock songs chart)를 대상으로 한다.
일 예로, 2009.06.20 부터 2014.04.19 까지 차트에 등록된 음악 중 최소 3주 이상 차트에 등록되어 있었으며, 이 기간 내에 나왔다가 차트에서 사라진 노래를 대상으로 하여 총 651 곡을 대상으로 신호 성분 분석을 이용하여 음악의 흥행도 예측 모델을 구축할 수 있다.
그리고 음원 입력부(10)를 통하여 입력되는 음악 파일은 mp3 음악파일이 될 수 있고, 44100Hz 샘플링된 것일 수 있다.
이와 같은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템은 음악 신호를 입력값으로 특징 데이터를 추출하고, 차트 성적을 타겟으로 학습 시스템을 만들고, 학습된 시스템을 이용하여 새로운 데이터로 결과를 추출해 대입한 데이터의 실제 성적과 비교해 검증하는 것이다.
이와 같은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템의 데이터 추출부(20)의 상세 구성은 도 2에서와 같다.
데이터 추출부(20)는 음악의 복잡도(complexity)와 자극(arousal) 요소와 차트 성적을 사용하여 음악 인기 변화와의 상관 관계를 분석하기 위한 신호 성분을 추출하는 것이다.
이를 위하여, 데이터 추출부(20)는 소닉 비주얼라이저(Sonic visualizer)(21), 변동 패턴 처리 수단(fluctuation pattern)(22), MFCC(Mel-frequency cepstral coefficients) 계수 처리 수단(23), 단기 크기(short-time magnitude) 신호 처리 수단(24)을 포함한다.
그리고 데이터 추출부(20)는 코드의 구조 변화 성분을 추출하는 코드 구조 변화 성분 추출부(25)와, 리듬의 구조 변화 성분을 추출하는 리듬 구조 변화 성분 추출부(26)와, 음색의 구조 변화 성분을 추출하는 음색 구조 변화 성분 추출부(27)와, 소리 크기 변화(Loudness change)의 자극 요소 성분을 추출하는 자극 요소 성분 추출부(28)를 포함한다.
여기서, 코드의 구조 변화 성분 추출, 리듬의 구조 변화 성분 추출, 음색의 구조 변화 성분 추출시에 하나의 음악 파일에서 스케일에 따라 6개씩의 성분을 각각 추출한다.
그리고 자극 요소 성분 추출부(28)는 자극 요소 성분 추출시에 소리 크기 변화(Loudness change)의 평균 또는 표준 편차값을 이용할 수 있다.
이와 같은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템의 인기도 예측 결과 출력부(50)의 상세 구성은 다음과 같다.
도 3은 본 발명에 따른 인기도 예측 결과 출력부의 상세 구성도이다.
인기도 예측 결과 출력부(50)는 상관 관계 분석부(30)의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하고 인기도 예측을 하기 위한 음악 파일이 입력되면 구축된 음악 인기도 예측 모델을 이용하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력하는 것이다.
이를 위하여, 상관 관계 분석부(30)의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하는 예측 모델 구축부(51)와, 인기도 예측을 하기 위한 음악 파일이 입력되면 데이터 추출부(20)에서 추출된 코드(chord),리듬(rhythm),음색(timbre) 요소 및 자극 요소 성분을 구축된 음악 인기도 예측 모델에 대입하는 예측 모델 대입 처리부(52)와, 예측 모델 대입 처리부(52)의 처리 결과에 따른 인기도 차트 예측 결과를 출력하는 인기도 차트 예측부(53)와, 예측 모델 대입 처리부(52)의 처리 결과에 따른 인기 확률 예측 결과를 출력하는 인기 확률 예측부(54)를 포함한다.
여기서, 인기도 차트 예측부(53)에서 출력되는 지표는 총 순위의 합, 차트 등재 기간, 최고순위, 데뷔순위, 순위의 표준편차, 순위의 첨도(kurtosis), 순위의 왜도(skewness), 20위 이상(1~20위) 기간, 30위 이하(31~50위) 기간, 총 등재 기간중 얼마나 빨리 최고 순위에 도달할 것 인지를 판단하는 최고 순위의 위치를 포함한다.
그리고 인기 확률 예측부(54)에서는 음악의 인가가 많을지 적을지를 데이터 세트의 중앙값을 기준으로 예측하는 것으로, 인기도 총합(1위가 50점, 284점 초과할 확률), 최고 순위(1~24위 안에 들 확률), 등재 기간(17주 이상 갈 확률), 왜도(skewness가-0.668 이상일 확률, 더 빠르게 성장할지에 대한), 데뷔 순위(45위안에 들 확률)의 지표를 출력한다.
이와 같은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템에서의 음악 인기도 예측 과정은 다음과 같다.
도 4는 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 방법을 나타낸 플로우 차트이다.
먼저, 예측 모델 구축을 위한 대상을 선정하여 데이터를 수집한다.(S401)
그리고 예측 모델 구축을 위한 대상 음악 파일을 입력한다.(S402)
이어, 예측 모델 구축을 위한 대상 음악 파일에서 음악 성분을 추출하여 코드 구조 변화 성분, 리듬 구조 변화 성분, 음색 구조 변화 성분, 자극 요소 성분을 출력한다.(S403)
그리고 차트 랭킹 정보를 입력하여 코드 구조 변화 성분, 리듬 구조 변화 성분, 음색 구조 변화 성분, 자극 요소 성분의 상관 관계를 분석하여 인기도 예측 모델을 구축한다.(S404)
이어, 예측이 필요한 신곡 음악 파일이 입력되면(S405), 음악 성분을 추출하여 코드 구조 변화 성분, 리듬 구조 변화 성분, 음색 구조 변화 성분, 자극 요소 성분을 출력한다.(S406)
그리고 구축된 예측 모델에 대입하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력한다.(S407)
여기서, 인기도 차트 예측을 위해 출력되는 지표는 총 순위의 합, 차트 등재 기간, 최고순위, 데뷔순위, 순위의 표준편차, 순위의 첨도(kurtosis), 순위의 왜도(skewness), 20위 이상(1~20위) 기간, 30위 이하(31~50위) 기간, 총 등재 기간중 얼마나 빨리 최고 순위에 도달할 것 인지를 판단하는 최고 순위의 위치를 포함한다.
그리고 인기 확률 예측을 위하여 인기도 총합(1위가 50점, 284점 초과할 확률), 최고 순위(1~24위 안에 들 확률), 등재 기간(17주 이상 갈 확률), 왜도(skewness가-0.668 이상일 확률, 더 빠르게 성장할지에 대한), 데뷔 순위(45위안에 들 확률)의 지표를 출력한다.
이와 같은 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법은 867개의 음원 파일과 각각의 차트 데이터를 추출하여, 489 개의 데이터로 학습 모델을 만들어 378개의 데이터로 검증하면, 인기도 차트 예측은 최대 43.4% (최고순위), 56.8% (최고순위위치)의 정확도를 나타냈다.
인기 확률 예측은 최대 68.1% (최고순위), 70.4% (최고순위)의 정확도를 나타냈다.
이상에서 설명한 본 발명에 따른 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법은 음악 신호의 특징 성분과 인기 흐름과의 상관관계를 분석하여 인기도 예측 모델을 구축하여 새롭게 발표되는 음악의 히트 정도를 미리 예측할 수 있도록 한 것이다.
이상에서의 설명에서와 같이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 본 발명이 구현되어 있음을 이해할 수 있을 것이다.
그러므로 명시된 실시 예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 하고, 본 발명의 범위는 전술한 설명이 아니라 특허청구 범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.
10. 음원 입력부 20. 데이터 추출부
30. 상관 관계 분석부 40. 차트 랭킹 정보 입력부
50. 인기도 예측 결과 출력부

Claims (11)

  1. 음악 인기도 예측 모델 구축 및 인기도 예측을 하기 위한 음악 파일을 입력하는 음원 입력부;
    소닉 비주얼라이저(Sonic visualizer), 변동 패턴(fluctuation pattern)처리, MFCC(Mel-frequency cepstral coefficients) 계수 처리, 단기 크기(short-time magnitude) 신호 처리를 위한 수단들을 포함하고, 음악의 복잡도(complexity) 분석을 위하여 코드의 구조 변화 성분, 리듬의 구조 변화 성분, 음색의 구조 변화 성분을 추출하고, 소리 크기 변화(Loudness change)에 따른 자극 요소 성분을 추출하는 데이터 추출부;
    데이터 추출부에서 추출된 코드의 구조 변화 성분, 리듬의 구조 변화 성분, 음색의 구조 변화 성분을 이용하여 구조 변화 성분들의 변화 크기를 기준으로 음악의 복잡도(complexity) 분석을 하고, 소리 크기 변화(Loudness change)에 따른 자극 요소 성분을 분석을 하여 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 수행하는 상관 관계 분석부;
    상관 관계 분석부에서의 음악 인기도 예측 모델을 구축하기 위한 상관 관계 분석을 위한 차트 랭킹 정보를 제공하는 차트 랭킹 정보 입력부;
    상관 관계 분석부의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하고, 인기도 예측을 하기 위한 음악 파일이 입력되면 구축된 음악 인기도 예측 모델을 이용하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력하는 인기도 예측 결과 출력부;를 포함하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 시스템.
  2. 삭제
  3. 제 1 항에 있어서, 상기 데이터 추출부는,
    코드의 구조 변화 성분을 추출하는 코드 구조 변화 성분 추출부와,
    리듬의 구조 변화 성분을 추출하는 리듬 구조 변화 성분 추출부와,
    음색의 구조 변화 성분을 추출하는 음색 구조 변화 성분 추출부와,
    소리 크기 변화(Loudness change)에 따른 자극 요소 성분을 추출하는 자극 요소 성분 추출부를 포함하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 시스템.
  4. 제 3 항에 있어서, 상기 데이터 추출부는,
    코드의 구조 변화 성분 추출, 리듬의 구조 변화 성분 추출, 음색의 구조 변화 성분 추출시에 하나의 음악 파일에서 스케일에 따라 6개씩의 성분을 각각 추출하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 시스템.
  5. 제 3 항에 있어서, 상기 자극 요소 성분 추출부는 자극 요소 성분 추출시에 소리 크기 변화(Loudness change)의 평균 또는 표준 편차값을 이용하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 시스템.
  6. 제 1 항에 있어서, 상기 인기도 예측 결과 출력부는,
    상관 관계 분석부의 분석 결과를 이용하여 음악 인기도 예측 모델을 구축하는 예측 모델 구축부와,
    인기도 예측을 하기 위한 음악 파일이 입력되면 데이터 추출부에서 추출된 코드(chord),리듬(rhythm),음색(timbre) 요소 및 자극 요소 성분을 구축된 음악 인기도 예측 모델에 대입하는 예측 모델 대입 처리부와,
    예측 모델 대입 처리부의 처리 결과에 따른 인기도 차트 예측 결과를 출력하는 인기도 차트 예측부와,
    예측 모델 대입 처리부의 처리 결과에 따른 인기 확률 예측 결과를 출력하는 인기 확률 예측부를 포함하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 시스템.
  7. 제 6 항에 있어서, 상기 인기도 차트 예측부에서 출력되는 지표는,
    총 순위의 합, 차트 등재 기간, 최고순위, 데뷔순위, 순위의 표준편차, 순위의 첨도(kurtosis), 순위의 왜도(skewness), 20위 이상(1~20위) 기간, 30위 이하(31~50위) 기간, 총 등재 기간 중 얼마나 빨리 최고 순위에 도달할 것 인지를 판단하는 최고 순위의 위치를 포함하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 시스템.
  8. 제 6 항에 있어서, 상기 인기 확률 예측부에서는 음악의 인기가 많을지 적을지를 데이터 세트의 중앙값을 기준으로 예측하고,
    인기도 총합, 최고 순위, 등재 기간, 왜도, 데뷔 순위의 지표를 출력하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 시스템.
  9. 음원 입력부에서 예측 모델 구축을 위한 대상을 선정하고 데이터를 수집하고, 예측 모델 구축을 위한 대상 음악 파일을 입력받는 단계;
    데이터 추출부에서 소닉 비주얼라이저(Sonic visualizer), 변동 패턴(fluctuation pattern)처리, MFCC(Mel-frequency cepstral coefficients) 계수 처리, 단기 크기(short-time magnitude) 신호 처리를 하여 예측 모델 구축을 위한 대상 음악 파일에서 음악의 복잡도(complexity) 분석을 위한 코드의 구조 변화 성분, 리듬의 구조 변화 성분, 음색의 구조 변화 성분을 추출하고, 소리 크기 변화(Loudness change)에 따른 자극 요소 성분을 추출하는 단계;
    차트 랭킹 정보 입력부에서 차트 랭킹 정보를 입력하고 상관 관계 분석부에서 코드의 구조 변화 성분, 리듬의 구조 변화 성분, 음색의 구조 변화 성분을 이용하여 구조 변화 성분들의 변화 크기를 기준으로 음악의 복잡도(complexity) 분석을 하고, 소리 크기 변화(Loudness change)에 따른 자극 요소 성분을 분석하여 인기도 예측 모델을 구축하는 단계;
    인기도 예측 결과 출력부에서 예측이 필요한 신곡 음악 파일이 입력되면, 음악의 복잡도(complexity) 분석을 위한 코드 구조 변화 성분, 리듬 구조 변화 성분, 음색 구조 변화 성분을 추출하고, 자극 요소 성분을 추출하여 구축된 예측 모델에 대입하여 인기도 차트 예측 및 인기 확률 예측 결과를 출력하는 단계;를 포함하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 방법.
  10. 제 9 항에 있어서, 인기도 차트 예측을 위하여,
    총 순위의 합, 차트 등재 기간, 최고순위, 데뷔순위, 순위의 표준편차, 순위의 첨도(kurtosis), 순위의 왜도(skewness), 20위 이상(1~20위) 기간, 30위 이하(31~50위) 기간, 총 등재 기간 중 얼마나 빨리 최고 순위에 도달할 것 인지를 판단하는 최고 순위의 위치를 포함하는 지표를 출력하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 방법.
  11. 제 9 항에 있어서, 인기 확률 예측을 위하여,
    인기도 총합, 최고 순위, 등재 기간, 왜도, 데뷔 순위의 지표를 출력하는 것을 특징으로 하는 신호 성분 분석을 이용한 음악 인기도 예측 방법.

KR1020150033152A 2015-03-10 2015-03-10 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법 KR101675957B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150033152A KR101675957B1 (ko) 2015-03-10 2015-03-10 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150033152A KR101675957B1 (ko) 2015-03-10 2015-03-10 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20160116356A KR20160116356A (ko) 2016-10-10
KR101675957B1 true KR101675957B1 (ko) 2016-11-15

Family

ID=57146409

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150033152A KR101675957B1 (ko) 2015-03-10 2015-03-10 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101675957B1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102410513B1 (ko) * 2020-04-14 2022-06-20 에프알씨앤씨 주식회사 음원 관련 서비스 제공 장치 및 방법
CN113171534B (zh) * 2021-04-21 2023-07-25 浙江柔灵科技有限公司 基于音乐和能量波函数的叠加增强神经调制方法及装置
WO2023127307A1 (ja) * 2021-12-27 2023-07-06 ソニーグループ株式会社 情報処理装置、情報処理方法、およびプログラム
CN114595361B (zh) * 2022-03-08 2023-09-08 北京字跳网络技术有限公司 一种音乐热度的预测方法、装置、存储介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101084543B1 (ko) 2009-10-29 2011-11-17 동국대학교 산학협력단 음악의 히트 가능성 판단 시스템 및 그 방법

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101606190B1 (ko) 2012-08-21 2016-04-04 네이버 주식회사 라디오의 음원 분석을 통한 사용자 상황 및 선호도 반영 음악 추천 방법과 이를 이용한 음악 추천 시스템
KR20140117760A (ko) * 2013-03-26 2014-10-08 주식회사 케이티 음악 데이터를 제공하는 방법 및 서버, 그리고 디바이스

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101084543B1 (ko) 2009-10-29 2011-11-17 동국대학교 산학협력단 음악의 히트 가능성 판단 시스템 및 그 방법

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
최혁재 등, "K-pop 히트 유형 분석", 한국문화경제학회, 문화경제연구 제17권 제1호, 2014.04, pp 3-34

Also Published As

Publication number Publication date
KR20160116356A (ko) 2016-10-10

Similar Documents

Publication Publication Date Title
JP5115966B2 (ja) 楽曲検索システム及び方法並びにそのプログラム
JP5329968B2 (ja) 非テキストベースの情報を記憶し、検索する方法
Chowdhury et al. Towards explainable music emotion recognition: The route via mid-level features
Hung et al. Frame-level instrument recognition by timbre and pitch
JP4665836B2 (ja) 楽曲分類装置、楽曲分類方法、及び楽曲分類プログラム
KR100895009B1 (ko) 음악추천 시스템 및 그 방법
KR101675957B1 (ko) 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법
Kostek et al. Report of the ISMIS 2011 contest: Music information retrieval
US11271993B2 (en) Streaming music categorization using rhythm, texture and pitch
Wang et al. Towards time-varying music auto-tagging based on cal500 expansion
Kong et al. Large-scale midi-based composer classification
Mokhsin et al. Automatic music emotion classification using artificial neural network based on vocal and instrumental sound timbres
Niyazov et al. Content-based music recommendation system
TW202006613A (zh) 訓練改編水準評價模型、評價改編水準的方法及裝置
US20180173400A1 (en) Media Content Selection
CN111445922B (zh) 音频匹配方法、装置、计算机设备及存储介质
CN106294563B (zh) 一种多媒体数据的处理方法和装置
Rocha et al. Music emotion recognition: The importance of melodic features
Huang et al. Research on music emotion intelligent recognition and classification algorithm in music performance system
Hockman et al. Computational strategies for breakbeat classification and resequencing in hardcore, jungle and drum and bass
KR20070048484A (ko) 음악파일 자동 분류를 위한 특징 데이터베이스 생성 장치및 그 방법과, 그를 이용한 재생 목록 자동 생성 장치 및그 방법
Fonseca et al. On the use of automatic onset detection for the analysis of maracatu de baque solto
He A Music Genre Classification Method Based on Deep Learning
JP3934556B2 (ja) 信号識別子の抽出方法及びその装置、信号識別子からデータベースを作成する方法及びその装置、及び、検索時間領域信号を参照する方法及びその装置
Takahashi et al. Comparison of two classification methods for musical instrument identification

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant