KR101968206B1 - 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법 - Google Patents

사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법 Download PDF

Info

Publication number
KR101968206B1
KR101968206B1 KR1020170114789A KR20170114789A KR101968206B1 KR 101968206 B1 KR101968206 B1 KR 101968206B1 KR 1020170114789 A KR1020170114789 A KR 1020170114789A KR 20170114789 A KR20170114789 A KR 20170114789A KR 101968206 B1 KR101968206 B1 KR 101968206B1
Authority
KR
South Korea
Prior art keywords
music
user
information
similarity
playlist
Prior art date
Application number
KR1020170114789A
Other languages
English (en)
Other versions
KR20190027684A (ko
Inventor
김남수
김정훈
Original Assignee
서울대학교산학협력단
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 서울대학교산학협력단 filed Critical 서울대학교산학협력단
Priority to KR1020170114789A priority Critical patent/KR101968206B1/ko
Publication of KR20190027684A publication Critical patent/KR20190027684A/ko
Application granted granted Critical
Publication of KR101968206B1 publication Critical patent/KR101968206B1/ko

Links

Images

Classifications

    • 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
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B20/00—Signal processing not specific to the method of recording or reproducing; Circuits therefor
    • G11B20/10—Digital recording or reproducing

Landscapes

  • Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Signal Processing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

본 발명은 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 관한 것으로서, 보다 구체적으로는 사용자의 음악 데이터베이스를 이용한 음악 재생 목록 자동 생성 방법에 있어서, (1) 상기 사용자의 음악 데이터베이스에서 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징이 수집되는 단계; (2) 상기 단계 (1)에서 수집된 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징으로부터 유사도가 추정되는 단계; 및 (3) 상기 단계 (2)에서 추정된 유사도 및 상기 사용자에 의해 미리 생성된 재생 목록 정보를 이용하여 새로운 재생 목록이 생성되는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
본 발명에서 제안하고 있는 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따르면, 협업 필터링을 활용하여 연관된 사용자를 추정하고 사용자가 청취한 음원 연관성을 추정함으로써, 사용자가 좋아할 수 있는 음원으로 이루어진 재생 목록을 자동으로 생성할 수 있다.
또한, 본 발명에서 제안하고 있는 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따르면, 사용자의 음악 이용 정보와 음악의 유사도 정보를 활용해 사용자의 취향에 맞는 음악 재생 목록을 생성함으로써, 음악 데이터베이스에 포함된 음악 중 자신의 음악 취향과 연관된 음악에 손쉽게 접근할 수 있다.

Description

사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법{METHOD FOR AUTOMATICALLY GENERATING MUSIC PLAYLIST BY ANALYZING USER PRIOR INFORMATION}
본 발명은 음악 재생 목록 자동 생성 방법에 관한 것으로서, 보다 구체적으로는 사용자의 사전 이용 정보를 분석하여 자동으로 음악 재생 목록을 생성하는 방법 및 시스템에 관한 것이다.
시장 규모의 확대로 소비자가 모든 제품을 알거나 경험하기가 점점 어려워지고 있다. 이에 따라 인터넷 서비스 시장에서 추천 시스템의 필요성이 커지고 있는데, 그 규모가 급격하게 커지고 있는 음악 시장에서도 예외가 아니다. 음악 산업이 발전하면서 음악이 보다 빠르게 생산되고 유통되고 있다. 그 결과 단순한 검색만으로는 사용자가 직접 자신의 취향에 맞는 음악을 찾는 것이 어려워지고 있는 실정이다.
음악 시장에서는 단순히 하나의 음악을 추천해주는 것뿐만 아니라 사용자의 취향을 고려한 음악 재생 목록을 생성하는 시스템에 대한 수요가 증가하고 있다. 기존의 음악 추천 방법에서 사용하는 방법은 크게 협업 필터링(Collaborative Filtering; CF)을 이용한 추천 방법 및 항목을 기반으로 한 추천 방법으로 구분될 수 있다.
도 1은 음악 추천 알고리즘 중 협업 필터링을 이용한 추천 방법의 구성을 개략적으로 도시한 도면이다. 도 1을 참조하면, 협업 필터링은 나와 취향이 비슷한 사용자의 취향을 기반으로 추천하는 User-based filtering에 해당한다. 즉, 협업 필터링은, 여러 사용자들로부터 얻은 기호 정보에 따라 사용자의 관심 사항을 자동으로 예측하는 방법이다. 협업 필터링이 음악에 적용되는 경우, 사용자들의 기호(좋음 또는 싫음)에 대한 부분적인 목록을 이용하여 해당 사용자의 음악에 대한 기호를 예측할 수 있다. 즉, 사용자 A와 비슷한 음악을 듣는 다른 사용자 B가 듣고 있는 음악을 사용자 A 또한 좋아할 것이라고 가정하여 추천하는 방법이다. 협업 필터링은 사용자의 음악 청취 패턴을 알고 있을 때 효과적일 수 있다. 하지만 협업 필터링을 이용한 추천 방법은 사용자의 음악 청취 패턴의 개수가 적은 경우, 추천 성능을 저하시키는 콜드-스타트(Cold-start) 문제가 발생한다.
도 2는 음악 추천 알고리즘 중 항목을 기반으로 한 추천 방법의 구성을 개략적으로 도시한 도면이다. 도 2를 참조하면, 항목을 기반으로 한 추천 방법은 항목을 기반으로 해당 항목과 연관성이 있는 다른 항목을 추천하는 Item-based filtering에 해당한다. 즉, 항목을 기반으로 한 추천 방법은 음악에서 사용할 수 있는 가사, 제목, 비트 Chorma 및 Chroma transition 등의 다양한 정보를 바탕으로 음악 간의 유사점을 추정하고, 이를 토대로 사용자에게 음악을 추천하는 방법이다. 항목을 기반으로 한 추천 방법은 음악의 유사점을 정확하게 추정한다면 추천의 정확도를 높일 수 있지만, 그렇지 못한 경우 추천의 정확도가 떨어진다는 문제점이 있다.
해당 기술분야와 관련된 선행기술로서, 대한민국 공개특허 제10-2015-0006523호 ‘실시간 음악 재생 목록 생성 시스템 및 방법, 그리고 이에 적용되는 서비스 장치’ 등이 제안된 바 있다.
본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 협업 필터링을 활용하여 연관된 사용자를 추정하고 사용자가 청취한 음원 연관성을 추정함으로써, 사용자가 좋아할 수 있는 음원으로 이루어진 재생 목록을 자동으로 생성할 수 있는, 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법을 제공하는 것을 목적으로 한다.
또한, 본 발명은, 사용자의 음악 이용 정보와 음악의 유사도 정보를 활용해 사용자의 취향에 맞는 음악 재생 목록을 생성함으로써, 음악 데이터베이스에 포함된 음악 중 자신의 음악 취향과 연관된 음악에 손쉽게 접근할 수 있는, 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법을 제공하는 것을 목적으로 한다.
상기한 목적을 달성하기 위한 본 발명의 특징에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은,
사용자의 음악 데이터베이스를 이용한 음악 재생 목록 자동 생성 방법에 있어서,
(1) 상기 사용자의 음악 데이터베이스에서 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징이 수집되는 단계;
(2) 상기 단계 (1)에서 수집된 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징으로부터 유사도가 추정되는 단계; 및
(3) 상기 단계 (2)에서 추정된 유사도 및 상기 사용자에 의해 미리 생성된 재생 목록 정보를 이용하여 새로운 재생 목록이 생성되는 단계를 포함하는 것을 그 구성상의 특징으로 한다.
바람직하게는,
상기 사용자의 기존 음악 청취 정보는,
각각의 음악에 대한 개별 점수 및 청취 횟수를 포함하고,
상기 음악 정보의 특징은,
리듬, 빠르기, 크로마 및 MFCC를 포함할 수 있다.
바람직하게는, 상기 단계 (2)는,
코사인 유사도, 마할라노비스 거리 및 유클리드 거리 중 적어도 어느 하나를 이용하여 유사도가 추정될 수 있다.
더욱 바람직하게는, 상기 단계 (2)는,
사용자-음악 행렬을 이용해 사용자 간의 유사도 및 음악 간의 유사도가 추정될 수 있다.
바람직하게는, 상기 단계 (3)은,
시간 t까지의 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징에 따라 k개의 음악이 포함된 재생 목록이 생성될 수 있다.
본 발명에서 제안하고 있는 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따르면, 협업 필터링을 활용하여 연관된 사용자를 추정하고 사용자가 청취한 음원 연관성을 추정함으로써, 사용자가 좋아할 수 있는 음원으로 이루어진 재생 목록을 자동으로 생성할 수 있다.
또한, 본 발명에서 제안하고 있는 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따르면, 사용자의 음악 이용 정보와 음악의 유사도 정보를 활용해 사용자의 취향에 맞는 음악 재생 목록을 생성함으로써, 음악 데이터베이스에 포함된 음악 중 자신의 음악 취향과 연관된 음악에 손쉽게 접근할 수 있다.
도 1은 음악 추천 알고리즘 중 협업 필터링을 이용한 추천 방법의 구성을 개략적으로 도시한 도면.
도 2는 음악 추천 알고리즘 중 항목을 기반으로 한 추천 방법의 구성을 개략적으로 도시한 도면.
도 3은 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법의 전체적인 구성을 도시한 도면.
도 4는 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법의 구성을 도시한 도면.
도 5는 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에서 사용자의 기존 음악 청취 정보와 음악 정의 구성을 도시한 도면.
도 6은 코사인 유사도와 유클리드 거리에 따른 유사도를 개략적으로 도시한 그래프.
도 7은 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에서 사용자-음악 행렬을 도시한 도면.
도 8은 협업 필터링을 이용한 추천 방법, 항목을 기반으로 한 추천 방법 및 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따른 정확도를 도시한 표.
도 9는 협업 필터링을 이용한 추천 방법, 항목을 기반으로 한 추천 방법 및 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따른 정확도를 도시한 그래프.
도 10은 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 시스템의 구성을 도시한 도면.
이하에서는 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일 또는 유사한 부호를 사용한다.
덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 ‘연결’되어 있다고 할 때, 이는 ‘직접적으로 연결’되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 ‘간접적으로 연결’되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 ‘포함’한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
도 3은 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법의 전체적인 구성을 도시한 도면이다. 도 3에 도시된 바와 같이, 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은, 사용자의 기존 음악 청취 정보와 음악 정보의 특징으로부터 사용자 및 음악 유사도 정보를 추정할 수 있다. 즉, 사용자의 기존 음악 청취 정보가 사용자의 사전 이용 정보로서 사용된다. 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은, 협업 필터링을 이용한 추천 방법 및 항목을 기반으로 한 추천 방법을 복합하여 사용자, 음악, 재생 목록 등 음악과 관련된 다양한 정보를 통해 각각의 항목간의 유사도를 파악할 수 있다. 따라서 이렇게 생성된 사용자 및 음악 유사도 정보와 현재 사용자가 생성한 재생 목록 정보를 이용하여 사용자의 취향과 유사한 새로운 재생 목록이 생성될 수 있다.
도 4는 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법의 구성을 도시한 도면이다. 도 4에 도시된 바와 같이, 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은, 사용자의 음악 데이터베이스를 이용한 음악 재생 목록 자동 생성 방법에 있어서, 사용자의 음악 데이터베이스에서 사용자의 기존 음악 청취 정보 및 음악 정보의 특징이 수집되는 단계(S100), 단계 S100에서 수집된 사용자의 기존 음악 청취 정보 및 음악 정보의 특징으로부터 유사도가 추정되는 단계(S200), 및 단계 S200에서 추정된 유사도 및 사용자에 의해 미리 생성된 재생 목록 정보를 이용하여 재생 목록이 생성되는 단계(S300)를 포함할 수 있다. 이하에서는, 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법의 각각의 구성에 대해 상세히 설명하기로 한다.
단계 S100에서는, 사용자의 음악 데이터베이스에서 사용자의 기존 음악 청취 정보 및 음악 정보의 특징이 수집될 수 있다. 여기서, 사용자의 음악 데이터베이스는, 사용자의 기존 음악 청취 정보와 음악 정보가 포함된 데이터베이스를 의미한다. 실시예에 따라서는, 사용자의 음악 데이터베이스는, 사용자에게 음악 서비스를 제공하는 별도의 음악 서버에 저장된 데이터베이스일 수 있으며, 또는 사용자에 의해 로컬에서 관리되는 데이터베이스일 수 있다. 사용자의 음악 데이터베이스는, 사용자의 기호나 재생 목록을 생성할 수 있다면, 그 구체적인 종류에 의해 제한되지 않는다. 한편, 단계 S100에서 사용자의 기존 음악 청취 정보 및 음악 정보의 특징이 수집된다는 것은, 후술하는 단계 S200에서 유사도를 추정할 수 있도록 특징 벡터로 수집되는 것을 의미한다.
도 5는 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에서 사용자의 기존 음악 청취 정보와 음악 정의 구성을 도시한 도면이다. 도 5에 도시된 바와 같이, 사용자의 기존 음악 청취 정보는, 각각의 음악에 대한 개별 점수 및 청취 횟수를 포함할 수 있다. 사용자의 기존 음악 청취 정보는, 사용자가 직접 개입하거나 설정할 수 있는 정보로서, 사용자에 의해 미리 설정된 정보에 해당한다. 각각의 음악에 대한 개별 점수는 각각의 음악마다 점수를 부여할 수 있는 레이팅(Rating)에 의해 설정될 수 있으며, 청취 횟수는 해당 음악이 플레이가 종료될 때마다 자동으로 카운트될 수 있다. 따라서 사용자의 기존 음악 청취 정보는, 음악 데이터베이스에 의해 자동으로 관리될 수 있다.
음악 정보의 특징은 리듬, 빠르기, 크로마 및 MFCC(Mel-Frequency Cepstral Coefficients)를 포함할 수 있다. 음악 정보의 특징은 사용자가 직접 개입하거나 설정할 수 없는 정보로서, 음악 자체에 대한 정보에 해당한다. 음악 정보의 특징은 해당 음악의 특징값을 추출한 정보이며, 특징값은 각각의 특징에 대한 특성 벡터를 이용하여 수집될 수 있다. 리듬, 빠르기는 음악이 가지고 있는 고유한 특징을 나타낼 수 있는 특징값에 해당한다. 또한, 크로마는 음악정보검색(Music Information Retrieval; MIR)에 사용되고 있는 특징값이다. MFCC는 악기 또는 목소리의 배음 구조의 차이를 숫자로 표현할 수 있다. 배음 구조의 차이는 악기의 구조 등에 따라 상이할 수 있으나, MFCC는 음정(Pitch)이 변해도 MFCC가 비교적 일정하게 유지된다는 장점이 있다. 따라서 MFCC 또한 음악 정보의 특징값으로 사용될 수 있다.
단계 S200에서는, 단계 S100에서 수집된 사용자의 기존 음악 청취 정보 및 음악 정보로부터 유사도가 추정될 수 있다. 음악의 유사도는 다양한 방법으로 추정될 수 있으나, 단계 S200에서는, 코사인 유사도, 마할라노비스 거리 및 유클리드 거리 중 적어도 어느 하나를 이용하여 크로마, 온셋 사이즈(Onset size) 및 템포의 유사도가 추정될 수 있다.
도 6은 코사인 유사도와 유클리드 거리에 따른 유사도를 개략적으로 도시한 그래프이다. 단계 S200에서는, 코사인 유사도, 마할라노비스 거리 및 유클리드 거리 중 적어도 어느 하나를 이용하여 유사도가 추정될 수 있다. 유사도를 추정할 때 코사인 유사도(Cosine similarity), 마할라노비스 거리(Mahalanobis distance) 또는 유클리드 거리(Euclidean distance)를 이용하여 관념적인 유사도를 측정할 수 있다. 도 5를 참조하여, 유클리드 거리에서, 임의의 두 사용자 간의 선호도의 거리를 나타내는 벡터값이 작다면 두 사용자는 비슷한 성향을 가지고 있다고 판단할 수 있다. 즉, 두 사용자 간의 유사도가 높다고 할 수 있다. 또한, 코사인 유사도에서, 두 사용자 간의 선호도를 벡터로 그렸을 때, 그 사이 코사인 값이 일치한다면, 상관관계가 일치한다고 판단할 수 있다. 도 6에는 도시되지 않았으나, 마할라노비스 거리는 분산을 고려한 거리로서, 유클리드 거리가 동일한 경우에도 마할라노비스 거리는 상이할 수 있다. 이하에서는, 설명의 편의상 코사인 유사도를 이용하여 유사도를 추정하는 것으로 가정한다.
사용자 간의 유사도는 다음의 수학식 1에 의해 계산될 수 있다.
Figure 112017087207613-pat00001
여기서, a 및 b는 2명의 사용자 A, B의 기존 음악 청취 정보에 대한 특징 벡터이다. 두 벡터를 이용하여 수학식 1에 의해 임의의 두 사용자 간의 유사도가 추정될 수 있다.
한편, 음악 간의 유사도를 추정하는 경우에도 전술한 수학식 1에 의해 유사도가 추정될 수 있다. 다만, 음악 간의 유사도를 추정하는 경우 수학식 1에서 a 및 b는 2개의 음악 A, B의 음악 정보의 특징에 대한 특징 벡터이다. 따라서 두 벡터를 이용하여 수학식 1에 의해 음악 간의 유사도 또한 추정될 수 있다.
한편, 단계 S200에서는, 크로마, 온셋 사이즈(Onset size) 및 템포의 유사도를 이용하여 음악 간의 유사도에 대한 최종적인 유사도를 추정할 수 있다. 최종적인 유사도는 다음의 수학식 2에 의해 계산될 수 있다.
Figure 112017087207613-pat00002
여기서, sim은 전체적인 유사도이며 a1, a2, a3는 가중치, simch는 크로마에 대한 유사도, simon은 온셋 사이즈에 대한 유사도, simtem은 템포에 대한 사이즈에 대한 유사도이다. simch, simon 및 simtem은 전술한 수학식 1에 의해 계산될 수 있다. 이때, 수학식 2는 a1 + a2 + a3 = 1을 만족한다. 실시예에 따라서는 a1, a2, a3는 크로마, 온셋 사이즈 및 템포에 대한 유사도의 비중에 따라 다양하게 설정될 수 있다.
도 7은 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에서 사용자-음악 행렬을 도시한 도면이다. 도 7에 도시된 바와 같이, 단계 S200에서는, 사용자-음악 행렬을 이용해 사용자 간의 유사도 및 음악 간의 유사도가 추정될 수 있다. 사용자 음악 행렬을 이용해 사용자 간의 유사도 및 음악 간의 유사도를 추정하는 방법에 대한 설명은 ‘B. McFee, L. Barrington and G. Lanckriet, "Learning Content Similarity for Music Recommendation," in IEEE Transactions on Audio, Speech, and Language Processing, vol. 20, no. 8, pp. 2207-2218, Oct. 2012.’를 참조할 수 있다. 이때, 사용자-음악 행렬에 들어가는 k번째 사용자의 i번째 음악에 대한 평가인 Rk,l은 다양한 지표로 표현될 수 있다. 예를 들어, Rk,l은 사용자의 음악 재생 횟수일 수 있으나, 이에 한정되는 것은 아니다. 단계 S200에서는, 사용자-음악 행렬을 이용하여 사용자의 취향과 유사한 취향을 가진 다른 사용자의 취향을 이용하여 음악을 추천하는 협업 필터링을 이용한 추천 방법과 항목 기반으로 음악을 추천하는 항목을 기반으로 한 추천 방법을 결합하여 사용자-음악 간의 유사도를 추정할 수 있다. 따라서 각각의 음악 추천 방법이 가지는 단점을 극복하고, 사용자와 음악 간의 유사도를 더욱 효과적으로 추정할 수 있다.
단계 S300에서는, 단계 S200에서 추정된 유사도 및 사용자에 의해 미리 생성된 재생 목록 정보를 이용하여 새로운 재생 목록이 생성될 수 있다. 단계 S300에서는, 단계 S200에서 추정된 유사도와 사용자에 의해 미리 생성된 재생 목록 정보를 결합함으로써 사용자의 취향과 유사한 새로운 재생 목록을 생성할 수 있다.
이때, 단계 S300에서는, 시간 t까지의 사용자의 기존 음악 청취 정보 및 음악 정보의 특징에 따라 k개의 음악이 포함된 재생 목록이 생성될 수 있다. 단계 S300에서는, 일정 시점인 시간 t까지의 사용자의 기존 음악 청취 정보 및 음악 정보의 특징에 따라 유사도를 추정하므로, 시간 t에 따라서 생성되는 재생 목록은 서로 상이할 수 있다. 한편, k는 고정된 상수일 수 있으나, 시간 t에 따라 상이할 수 있다. 따라서 시간 t에 따라서 해당 재생 목록에 포함되는 음악의 개수 또한 상이할 수 있다. 실시예에 따라서는, 단계 S300에서 새롭게 생성된 재생 목록에는 사용자의 기존 음악 청취 정보에 포함된 음악이 제외될 수 있다. 즉, 단계 S300에서는, 사용자의 취향과 일치하나 시간 t 시점까지는 전혀 들어보지 못한 새로운 음악이 포함된 재생 목록을 생성할 수 있다.
도 8은 협업 필터링을 이용한 추천 방법, 항목을 기반으로 한 추천 방법 및 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따른 정확도를 도시한 표이다. 또한, 도 9는 협업 필터링을 이용한 추천 방법, 항목을 기반으로 한 추천 방법 및 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따른 정확도를 도시한 그래프이다. 실험에 사용된 데이터셋은 Mirex Like Mood Dataset(Mirex DB)의 음악 목록 및 음악 데이터와 Last.fm의 사용자 재생 목록 데이터를 이용하여 구성되었다. 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은 음악 정보를 추가적으로 이용하여 재생 목록을 생성하므로, Mirex DB에 포함된 음악들이 포함된 재생 목록 데이터를 새롭게 구성하여 사용하였다. 최종적으로 908곡이 포함된 1,338명의 사용자 데이터셋을 구성하여 실험에 사용하였다.
정확도 측정은 Precision@k를 이용하며, 시간 t에서 생성된 재생 목록과 시간 t+1에서 생성된 재생 목록과 비교하였다. 이때, k는 5, 10, 15, 20 및 25로 늘려가며 비교하였다. 도 8을 참조하면, 협업 필터링을 이용한 추천 방법이 항목을 기반으로 한 추천 방법에 비해 좋은 결과를 가진다. 또한, 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은 모든 k값에 대해 기존의 방법들에 비해 좋은 결과를 보임을 확인할 수 있다. 또한, 도 9를 참조하면, 기존의 협업 필터링을 이용한 추천 방법 및 항목을 기반으로 한 추천 방법 모두 k값의 변화에 따라 별다른 변화를 보이지 않는데 반해, 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은 k값이 증가함에 따라 좋은 결과를 보여주고 있다. 따라서 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법이 기존의 재생 목록 생성 기술보다 성능이 향상됨을 확인할 수 있다.
도 10은 본 발명의 다른 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 시스템(100)의 구성을 도시한 도면이다. 도 10에 도시된 바와 같이, 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 시스템(100)은, 사용자의 음악 데이터베이스를 이용한 음악 재생 목록 자동 생성 시스템에 있어서, 수집부(110), 추정부(120) 및 재생 목록 생성부(130)를 포함할 수 있다. 이하에서는, 본 발명의 일 실시예에 따른 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 시스템의 각각의 구성에 대해 상세히 설명하기로 한다.
수집부(110)는, 사용자의 음악 데이터베이스에서 사용자의 기존 음악 청취 정보 및 음악 정보의 특징을 수집할 수 있다. 이때, 사용자의 기존 음악 청취 정보는, 각각의 음악에 대한 개별 점수 및 청취 횟수를 포함할 수 있다. 또한, 음악 정보의 특징은, 리듬, 빠르기, 크로마 및 MFCC를 포함할 수 있다.
추정부(120)는, 수집부(110)에서 분석한 사용자의 기존 음악 청취 정보 및 음악 정보의 특징으로부터 유사도를 추정할 수 있다. 이때, 추정부(120)는, 코사인 유사도, 마할라노비스 거리 및 유클리드 거리 중 어느 하나를 이용하여 유사도를 추정할 수 있다. 여기서, 유사도는 사용자 간 및 음악 간의 유사도를 포함할 수 있다. 또한, 추정부(120)는, 사용자-음악 행렬을 이용하여 사용자 간의 유사도 및 음악 간의 유사도를 추정할 수 있다. 추정부(120)에서 유사도를 추정하는 방법은 단계 S200에서 전술한 바와 같다.
재생 목록 생성부(130)는, 추정부(120)에서 추정한 유사도 및 사용자에 의해 미리 생성된 재생 목록 정보를 이용하여 새로운 재생 목록을 생성할 수 있다. 이때, 재생 목록 생성부(130)는, 시간 t까지의 사용자의 기존 음악 청취 정보 및 음악 정보의 특징에 따라 k개의 음악이 포함된 재생 목록을 생성할 수 있다.
전술한 바와 같이, 본 발명에서 제안하고 있는 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따르면, 협업 필터링을 활용하여 연관된 사용자를 추정하고 사용자가 청취한 음원 연관성을 추정함으로써, 사용자가 좋아할 수 있는 음원으로 이루어진 재생 목록을 자동으로 생성할 수 있다. 또한, 본 발명에서 제안하고 있는 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법에 따르면, 사용자의 음악 이용 정보와 음악의 유사도 정보를 활용해 사용자의 취향에 맞는 음악 재생 목록을 생성함으로써, 음악 데이터베이스에 포함된 음악 중 자신의 음악 취향과 연관된 음악에 손쉽게 접근할 수 있다.
한편, 본 발명에서 제안하고 있는 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법은, 다양한 음악 추천 분야에 사용될 수 있다. 특히, k값을 조절하여 재생 목록에 포함되는 음악의 수를 조절할 수 있으므로, 단일 음악 추천 시스템으로 사용할 수 있다. 또한, 사용자의 기존 재생 목록 생성 패턴에 맞춰 특정 개수의 음악을 추천하거나, 고정된 개수의 음악을 추천할 수도 있다. 또한, 유사도 추정 시 사용되는 특징을 바꿔 다른 분야의 추천 시스템으로도 활용할 수 있다.
이상 설명한 본 발명은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에 의하여 다양한 변형이나 응용이 가능하며, 본 발명에 따른 기술적 사상의 범위는 아래의 청구범위에 의하여 정해져야 할 것이다.
S100: 사용자의 음악 데이터베이스에서 사용자의 기존 음악 청취 정보 및 음악 정보의 특징이 분석되는 단계
S200: 단계 S100에서 분석된 사용자의 음악 청취 정보 및 음악 정보의 특징으로부터 유사도가 추정되는 단계
S300: 단계 S200에서 추정된 유사도 및 사용자에 의해 미리 생성된 재생 목록 정보를 이용하여 새로운 재생 목록이 생성되는 단계
100: 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 시스템
110: 수집부
120: 추정부
130: 재생 목록 생성부

Claims (5)

  1. 사용자의 음악 데이터베이스를 이용한 음악 재생 목록 자동 생성 방법에 있어서, 음악 재생 목록 자동 생성 시스템(100)이,
    (1) 상기 사용자의 음악 데이터베이스에서 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징이 수집되는 단계;
    (2) 상기 단계 (1)에서 수집된 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징으로부터 유사도가 추정되는 단계; 및
    (3) 상기 단계 (2)에서 추정된 유사도 및 상기 사용자에 의해 미리 생성된 재생 목록 정보를 이용하여 새로운 재생 목록이 생성되는 단계를 포함하되,
    상기 단계 (2)에서는,
    코사인 유사도를 이용하여 사용자 간의 유사도, 크로마의 유사도, 온셋 사이즈(Onset size)의 유사도 및 템포의 유사도가 추정되며, 상기 추정된 크로마의 유사도, 온셋 사이즈(Onset size)의 유사도 및 템포의 유사도를 이용하여 음악 간의 유사도가 추정되고, 사용자-음악 행렬을 이용해 사용자-음악 간의 유사도가 추정되는 것을 특징으로 하는, 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법.
  2. 제1항에 있어서,
    상기 사용자의 기존 음악 청취 정보는,
    각각의 음악에 대한 개별 점수 및 청취 횟수를 포함하고,
    상기 음악 정보의 특징은,
    리듬, 빠르기, 크로마 및 MFCC를 포함하는 것을 특징으로 하는, 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법.
  3. 삭제
  4. 삭제
  5. 제1항에 있어서, 상기 단계 (3)은,
    시간 t까지의 상기 사용자의 기존 음악 청취 정보 및 음악 정보의 특징에 따라 k개의 음악이 포함된 재생 목록이 생성되는 것을 특징으로 하는, 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법.
KR1020170114789A 2017-09-07 2017-09-07 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법 KR101968206B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020170114789A KR101968206B1 (ko) 2017-09-07 2017-09-07 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020170114789A KR101968206B1 (ko) 2017-09-07 2017-09-07 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법

Publications (2)

Publication Number Publication Date
KR20190027684A KR20190027684A (ko) 2019-03-15
KR101968206B1 true KR101968206B1 (ko) 2019-04-11

Family

ID=65762757

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170114789A KR101968206B1 (ko) 2017-09-07 2017-09-07 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법

Country Status (1)

Country Link
KR (1) KR101968206B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101057919B1 (ko) * 2009-02-20 2011-08-19 성균관대학교산학협력단 사용자들의 재생 목록 분석을 통한 맞춤형 음악 추천 방법

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100749045B1 (ko) * 2006-01-26 2007-08-13 삼성전자주식회사 음악 내용 요약본을 이용한 유사곡 검색 방법 및 그 장치
KR20130036488A (ko) * 2011-10-04 2013-04-12 전자부품연구원 차량 운행상황에 따른 음원 추천 장치
KR101398059B1 (ko) * 2012-07-04 2014-05-30 금오공과대학교 산학협력단 표준편차 기반의 음원의 특징 축소 방법을 이용하는 음악 분위기 자동 판별 시스템 및 방법
KR102178307B1 (ko) * 2013-07-08 2020-11-12 (주)드림어스컴퍼니 실시간 음악 재생 목록 생성 시스템 및 방법, 그리고 이에 적용되는 서비스 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101057919B1 (ko) * 2009-02-20 2011-08-19 성균관대학교산학협력단 사용자들의 재생 목록 분석을 통한 맞춤형 음악 추천 방법

Also Published As

Publication number Publication date
KR20190027684A (ko) 2019-03-15

Similar Documents

Publication Publication Date Title
Logan et al. A Music Similarity Function Based on Signal Analysis.
Fujihara et al. A modeling of singing voice robust to accompaniment sounds and its application to singer identification and vocal-timbre-similarity-based music information retrieval
JP5565374B2 (ja) オーディオ作品のセグメンテーションを変更するための装置
US7696427B2 (en) Method and system for recommending music
US7921067B2 (en) Method and device for mood detection
US7899564B2 (en) Procedure and apparatus for generating automatic replay of recordings
US7521620B2 (en) Method of and system for browsing of music
US20070276733A1 (en) Method and system for music information retrieval
US20070282860A1 (en) Method and system for music information retrieval
JP4775379B2 (ja) さまざまなセグメントクラスを指定するための装置および方法
KR101057919B1 (ko) 사용자들의 재생 목록 분석을 통한 맞춤형 음악 추천 방법
WO2007057800A2 (en) Method of generating and methods of filtering a user profile
KR20070004891A (ko) 오디오 신호의 분류를 위한 방법 빛 시스템
EP2208149A2 (en) Classifying a set of content items
BRPI0617432A2 (pt) mÉtodos para calcular uma mÉtrica de similaridade, e um fator de ponderaÇço, software, e, dispositivo eletrânico para calcular uma mÉtrica de similaridade
Niyazov et al. Content-based music recommendation system
JP2008515012A (ja) 楽曲の時間セグメントをグループ化するための装置および方法
CN108628886B (zh) 一种音频文件推荐方法及装置
KR20110069830A (ko) 이용자의 생리적 반응에 기초하여 콘텐트 아이템을 선택하기 위한 시스템을 제공하는 방법
KR20080082022A (ko) 음악 특성 기반 유사도 측정 장치 및 그 방법과 그를이용한 음악 추천 시스템 및 그 방법
KR101968206B1 (ko) 사용자의 사전 이용 정보 분석을 통한 음악 재생 목록 자동 생성 방법
JP2003316818A (ja) 情報検索方法及びその装置、コンピュータプログラム
KR20140129443A (ko) 적응형 음원 추천 시스템 및 방법
JP2005346347A (ja) 情報検索装置、情報検索方法、情報検索プログラムおよび記録媒体
Kim et al. A music recommendation system based on personal preference analysis

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right