KR20100024769A - 음악추천 시스템 및 방법 - Google Patents

음악추천 시스템 및 방법 Download PDF

Info

Publication number
KR20100024769A
KR20100024769A KR1020080083474A KR20080083474A KR20100024769A KR 20100024769 A KR20100024769 A KR 20100024769A KR 1020080083474 A KR1020080083474 A KR 1020080083474A KR 20080083474 A KR20080083474 A KR 20080083474A KR 20100024769 A KR20100024769 A KR 20100024769A
Authority
KR
South Korea
Prior art keywords
music
section
user information
coefficient
unit
Prior art date
Application number
KR1020080083474A
Other languages
English (en)
Other versions
KR101170208B1 (ko
Inventor
김병만
이종인
Original Assignee
금오공과대학교 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 금오공과대학교 산학협력단 filed Critical 금오공과대학교 산학협력단
Priority to KR1020080083474A priority Critical patent/KR101170208B1/ko
Publication of KR20100024769A publication Critical patent/KR20100024769A/ko
Application granted granted Critical
Publication of KR101170208B1 publication Critical patent/KR101170208B1/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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
    • G10H2210/00—Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
    • G10H2210/031—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal

Landscapes

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

Abstract

본 발명은 음악추천 시스템 및 방법에 관한 것이다.
더욱 상세하게는 음악을 제공받고 추천된 음악을 출력하며, 청취자의 사용자정보를 제공하여 상기 음악을 구조적으로 분석하고, 분석된 음악의 구조적 특징을 추출하며, 상기 음악의 구조 및 특징의 분석결과를 상기 사용자정보에 기초하여 모델링하고, 상기 모델링 결과에 대응하는 음악을 추천하는 음악추천 시스템 및 방법에 관한 것이다.
본 발명은 청취자에게 음악을 추천함에 있어서, 청취자의 기분이나 심리상태와 같은 청취자의 개인정보와 더불어 주위환경이나 날씨와 같은 외부조건 등을 포함하여 청취자의 상황에 가장 알맞은 음악을 신속하게 추천할 수 있고, 새로운 음악이 출시되었을 때 상기 음악의 특징을 파악하는 시간을 최소화하여 보다 신속하고 효과적으로 추천음악을 선택할 수 있다. 이에 더하여, 분석하고자 하는 음악의 각 특징에 따른 분류가 용이해짐에 따라, 다양한 음악들의 데이터베이스화를 통한 분류 및 통계자료의 제공이 가능해진다.
음원, 음악, 사용자정보, 음악추천, 모델링, 프로파일

Description

음악추천 시스템 및 방법 {System and method for music recommendation }
본 발명은 음악추천 시스템 및 방법에 관한 것이다.
더욱 상세하게는 음악을 제공받고 추천된 음악을 출력하며, 청취자의 사용자정보를 제공하여 상기 음악을 구조적으로 분석하고, 분석된 음악의 구조적 특징을 추출하며, 상기 음악의 구조 및 특징의 분석결과를 상기 사용자정보에 기초하여 모델링하고, 상기 모델링 결과에 대응하는 음악을 추천하는 음악추천 시스템 및 방법에 관한 것이다.
인간의 삶을 좀 더 풍요롭고 여유롭게 해주는 것 중의 하나는 바로 음악청취이다. 남녀노소뿐만 아니라, 재력이 많거나 적어도 청취자의 흥을 돋워 더욱 기분 좋게 하거나 때로는 슬픔을 달래주는 위로의 역할을 하는 것이 바로 음악이 하는 일이다.
이러한 이유로 사람들이 선호하는 취미활동 중에 하나가 바로 음악청취이다.
하지만 세대가 급격하게 변화함에 따라 하루가 다르게 다양한 스타일의 음악들이 물밀듯이 쏟아지고 있다. 이와 같은 상황으로 인하여. 청취자가 좋아하는 스 타일의 음악임에도 불구하고, 새로 생겨난 음악에 대한 정보부족으로 인하여 청취자가 좋아하는 스타일의 음악을 듣지 못하는 문제점이 발생하고 있다.
한편, 컴퓨팅 기술이 점차 발전함에 따라 컴퓨터는 사용자의 명령수신에 의한 수동적인 역할에서 벗어나 사용자의 상황을 인지하고 사용자가 필요로 하는 항목을 미리 파악하여 보다 능동적 또는 지능적으로 추천하는 추천시스템 기술 또한 현재 많은 연구가 진행 중이다.
예를 들어, 차를 운전하는 운전자가 현재 몹시 흥분되어 있는 상태라면, 추천시스템을 통해 조용한 분위기의 음악을 추천하여 운전자에게 들려줌으로써, 운전자의 상태를 차분히 가라앉힐 수 있다. 뿐만 아니라, 비가 내리는 경우라면 추천시스템을 통해 비 내리는 상황에 어울리는 음악을 추천하여 들려줌으로써 사용자의 만족도를 높일 수도 있다.
이에 따라, 사용자의 상황을 인지하고, 그에 따라 사용자가 필요로 하는 항목을 추천하기 위한 다양한 추천방법이 제안되고 있다.
상기 추천방법의 종류에 대해 살펴보면 내용기반 필터링 방법과 협력 필터링 방법 및 상기 내용기반 필터링 방법과 상기 협력 필터링 방법을 결합한 혼합필터링 방법 등이 존재한다.
이 때 추천하고자하는 항목이 음악인 경우, 음악에 대한 내용을 자동으로 추출하기가 어려운 관계로 내용기반 필터링 방법 보다는 협력필터링 방법을 통해 청취자의 상황은 고려하지 않은 채, 해당 음악에 대한 타인의 평가정보에만 기초하여 음악을 추천하는 경우가 많았다. 하지만 상기 협력필터링 방법을 통한 추천방법은 사용자 수와 항목 수가 증가함에 따라 계산량이 증가되고, 평가 데이터의 부족으로 추천 질이 떨어지거나 아예 추천이 불가한 상황이 발생될 수 있다는 문제점이 발생하게 되었다.
이와 같은 문제로 인하여 여러 추천방법 중 내용기반 필터링 방법에 기초한 추천방법에 따른 추천시스템의 필요성이 대두하게 되었다.
이와 같은 문제점을 해결하기 위해서 본 발명은 청취자의 상황정보에 따른 음악추천이 가능한 음악추천 시스템 및 방법을 제공하는데 그 목적이 있다.
이에 더하여, 음악특징의 파악시간이 감소하여 특징별 음악분류가 용이해지는 음악추천 시스템 및 방법을 제공하는 데 그 목적이 있다.
상기와 같은 목적을 달성하기 위해서, 본 발명에 의한, 음악추천 시스템은 음악을 제공받으며, 추천된 음악을 출력하는 입출력장치와 청취자의 사용자정보를 제공하는 사용자정보 저장장치 및 상기 입출력장치로부터 제공된 음악을 구조적으로 분석하고, 분석된 음악의 구조적 특징을 추출하며, 상기 음악의 구조 및 특징의 분석결과를 상기 사용자정보 저장장치로부터 제공된 사용자정보에 기초하여 모델링하고, 상기 모델링 결과에 대응하는 추천음악을 상기 입출력장치로 전송하는 서버를 포함함을 특징으로 한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 입출력장치로부터 제공된 음악의 구조분석을 수행하는 음악분석수단과 상기 음악분석수단으로부터 분석된 결과를 상기 사용자정보에 기초하여 모델링하고, 상기 모델링결과에 대응하는 음악을 추천하는 음악추천수단을 포함하여 상기 입출력장치로 추천음악을 전송하는 서버를 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 입출력장치로부터 제공된 음악을 소악절로 나누어 각 소악절별 구조를 파악하고, 상기 소악절을 재편성하여 반복악절로 출력하는 구조분석부와 상기 구조분석부에서 출력된 각 반복악절별 특징을 추출하는 특징추출부와 각 반복악절에 따른 분위기 및 감정을 표현하는 단어를 적어도 하나 선택하고, 선택된 단어의 위치좌표를 벡터연산하는 AV(Arousal Valence)계수 검색부 및 상기 AV계수 검색부로부터 벡터연산된 AV계수와 상기 사용자정보 저장장치로부터 수신한 사용자정보를 매핑하여 모델링하는 AV계수 모델링부를 포함하는 음악분석수단을 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 입출력장치로부터 제공된 음악의 내부 구조를 소악절별로 나누어 분석하는 구조분석모듈과 상기 입출력장치로부터 제공된 음악의 반복구간을 탐색하는 반복구간 탐색모듈과 상기 반복구간 탐색모듈로부터 탐색된 반복구간과 상기 구조분석모듈로부터 제공된 소악절을 음악의 기본 구성단위로 재편성된 반복악절을 출력하는 반복악절 생성모듈 및 상기 반복악절 생성모듈로부터 출력된 반복악절의 구조정보를 출력하는 반복악절 구조정보 출력모듈을 포함하는 구조분석부를 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 음악을 구성하는 각 소악절들의 각 경계범위를 탐색하는 소악절경계 탐색구간과 상기 소악절경계 탐색구간으로부터 경계범위가 탐색된 소악절에 간주구간 존재여부를 탐색하는 간주구간 탐색구간을 포함하여 상기 음악을 소악절별로 나누어 구조를 분석하는 구조분석모듈을 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 유사한 멜로디로 구성된 반복구간을 탐색하기 위해 상기 음악의 전 구간에서 크로마 벡터를 추출하는 크로마 벡터 추출구간과 상기 크로마 벡터 추출구간으로부터 추출된 크로마 벡터를 프레임 크기별로 그룹화하여 각 그룹간의 유사도를 측정하는 유사도 측정구간 및 상기 유사도 측정구간에서 측정된 유사도에 대응하여 상기 유사도가 높은 그룹끼리 상호 연결하는 반복구간 연결구간을 포함하여 상기 음악 내 존재하는 반복구간을 탐색하는 반복구간 탐색모듈을 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 음악을 구성하는 각 음들의 안정화와 상기 음악을 사용자가 들었을 때 사용자에게 나타나는 자극의 강도를 기준으로 구성된 AV좌표 상에 분위기 및 감정을 나타내는 단어를 적어도 하나 포함하여, 사용자로부터 수신된 단어들이 위치하는 각 위치좌표값을 벡터연산하여 AV계수를 출력하는 AV계수 검색부를 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 특징추출부로부터 추출된 각 반복악절별 특징데이터와 상기 AV계수 검색부로부터 출력된 AV계수를 매핑하여 모델링하는 AV계수 모델링부를 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 사용자정보 저장장치로부터 수신된 사용자정보와 상기 음악분석수단의 AV계수 검색부로부터 출력된 AV계수를 매핑 후 모델링하여 사용자 프로파일을 구성하는 프로파일 구성부와 상기 프로파일 구성부로부터 제공된 사용자 프로파일에 대응하여, 사용자가 선호하는 음악을 추천하는 음악추천부를 포함하는 음악추천수단을 포함한다.
본 발명의 특징에 따른 음악추천 시스템은 상기 프로파일 구성부로 제공된 사용자정보를 포함하며, 보다 상위수준에 해당하는 사용자정보로 매핑하여 확장하는 사용자정보 확장부를 더 포함하는 음악추천수단을 포함한다.
상기와 같은 목적을 달성하기 위해서, 본 발명에 의한, 음악추천 방법은 음악 및 청취자의 사용자정보 중 적어도 하나를 수신하는 음악수신단계와 상기 음악의 구조 및 반복구간을 분석하고, 상기 음악의 반복악절별 특징을 추출하는 특징추출단계와 각 반복악절별 특징에 따른 분위기 및 감정을 나타내는 단어를 추출하고, 상기 사용자정보와 상기 분위기 및 감정을 나타내는 단어를 매핑하여 모델링하는 모델링단계 및 상기 모델링된 사용자정보에 대응하여 청취자의 상황에 따라 음악을 추천하는 음악추천단계를 포함함을 특징으로 한다.
본 발명의 특징에 따른 음악추천 방법은 상기 사용자정보를 포함하고, 상기 사용자정보가 해당되는 수준을 포괄하는 상위수준으로 사용자정보를 확장하는 사용자정보 확장단계를 더 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 음악의 구조를 분석하고, 상기 음악을 소악절별로 나누어 출력하는 구조분석과정과 상기 소악절 내 반복구간 존재여부를 탐색하는 반복구간 탐색과정과 상기 구조분석과정에서 출력된 소악절과 상기 반복구간 탐색과정에서 탐색된 반복구간에 대응하여 음악의 기본 구성에 맞는 반복악절을 출력하는 반복악절 출력과정 및 상기 반복악절 생성과정에서 출력된 반복악절의 특징데이터를 추출하는 반복악절 특징추출과정을 포함하는 특징추출단계를 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 음악 내 소악절의 경계를 탐색하는 소악절경계 탐색과정과 상기 소악절 내 가사를 제외하고 연주로만 구성되는 간주구간을 탐색하는 간주구간 탐색과정을 포함하는 구조분석과정을 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 음악의 리듬정보를 추출하고, 적어도 하나의 박자구간을 소악절 간격으로 판단하여, 상기 소악절 내 사람의 음성이 작아지는 부분을 소악절의 경계로 판단하는 소악절경계 탐색과정을 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 소악절 내에서, 음의 안정도를 판별하는 ZCR(Zero Crossing Rate)을 사용하여, 상기 ZCR 값이 낮게 연속되는 구간을 간주구간이라고 판단하는 간주구간 탐색과정을 포함한다.
본 발명의 특징에 따른 음악추천 방법은 분석하고자 하는 음악의 전 구간을 프레임단위로 나누어 상기 음악의 전 구간에 대한 크로마 벡터를 추출하고, 상기 추출된 크로마 벡터를 일정 크기로 그룹화하여, 각 그룹간의 유사도를 측정하며, 상기 유사도에 대응하여 이웃하는 그룹을 연결하여 반복구간임을 판단하는 반복구간 탐색과정을 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 구조분석과정에서 나눠진 소악절과 상기 반복구간 탐색과정에서 탐색된 반복구간을 분할 및 병합하여 청취자가 듣기에 매끄럽도록 음악의 기본 구성단위로 재편성한 반복악절을 출력하는 반복악절 출력과정을 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 반복악절에 대한 음색, 리듬, 세기, 박자 중 적어도 하나를 포함하는 특징데이터를 출력하는 반복악절 특징추출 과정을 포함한다.
본 발명의 특징에 따른 음악추천 방법은 분위기 및 감정을 나타내는 단어가 위치하는 AV좌표 상에서 상기 반복악절에 해당하는 분위기 및 감정 단어를 적어도 하나 수신하여 수신한 단어들 간에 벡터연산을 수행하여 AV계수를 출력하는 AV계수 검색과정과 상기 반복악절 특징추출과정에서 추출된 특징데이터와 상기 AV계수 검색과정에서 출력된 AV계수를 매핑하여 모델링하는 AV계수 모델링과정 및 상기 수신한 사용자정보와 상기 AV계수 검색과정에서 출력된 AV계수를 매핑하여 모델링하는 프로파일 구성과정을 포함하는 모델링단계를 포함한다.
본 발명의 특징에 따른 음악추천 방법은 음의 안정화와 자극의 강도를 기준으로 하는 AV좌표 상에서 분위기 및 감정을 나타내는 적어도 하나의 단어가 동일한 거리를 유지하며 위치되는 AV계수 검색과정을 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 AV계수 모델링과정에서 연산된 연산데이터와 상기 프로파일 구성과정에서 연산된 연산데이터간에 유사도함수를 이용하여 연산 후, 연산값을 내림차순으로 정렬하여 상위값을 갖는 음악 중 적어도 하나를 추천하는 음악추천단계를 포함한다.
본 발명의 특징에 따른 음악추천 방법은 상기 수신한 사용자정보를 퍼지이론에 기초하여 적어도 하나의 상위수준 사용자정보로 확장하는 사용자정보 확장단계를 포함한다.
상술한 바와 같이 본 발명인 음악추천 시스템 및 방법은 청취자에게 음악을 추천함에 있어, 청취자의 기분, 심리상태와 더불어 주위환경, 날씨의 외부조건 등을 포함하여 청취자의 상황에 가장 알맞은 음악을 신속하게 추천할 수 있는 효과가 있다.
또한, 새로운 음악이 출시되었을 때 상기 음악의 특징을 파악하는 시간을 최소화하여 보다 신속하고 효과적으로 추천음악을 선택할 수 있는 효과가 있다.
이에 더하여, 분석하고자 하는 음악의 각 특징에 따른 분류가 용이할 수 있는 효과가 있다. 따라서 다양한 음악들의 데이터베이스화를 통한 분류 및 통계자료의 제공이 가능하도록 하는 효과가 있다.
본 발명에 따른 음악추천 시스템 및 방법에 대한 예는 다양하게 적용될 수 있으며, 이하에서는 첨부된 도면을 참조하여 바람직한 실시예에 대해 설명하기로 한다.
도 1은 본 발명의 실시예에 따른 음악추천 시스템에 관한 블록도이다.
도 1에 도시된 바와 같이, 음악추천 시스템은 입출력장치(100)와 사용자정보 저장장치(200)와 서버(300)를 포함한다.
상기 입출력장치(100)는, 음악을 제공받고, 상기 서버(300)로부터 제공된 추천음악을 출력한다.
상기 사용자정보 저장장치(200)는, 상기 입출력장치(100)로부터 입력된 청취 자의 상황을 나타내는 사용자정보를 저장하고, 상기 서버(300)로 상기 저장된 사용자 정보를 제공한다.
상기 서버(300)는, 음악분석수단(310)과 음악추천수단(330)을 포함한다.
상기 음악분석수단(310)은, 구조분석부(312)와 특징추출부(314)와 AV계수 검색부(316) 및 AV계수 모델링부(318)를 포함한다.
상기 구조분석부(312)는 이하, 도 2를 참조하여 좀 더 자세히 설명하고자 한다.
상기 구조분석부(312)는, 구조분석모듈(312a)과 반복구간 탐색모듈(312b)과 반복악절 생성모듈(312c) 및 반복악절 구조정보 출력모듈(312d)을 포함한다.
상기 구조분석모듈(312a)은 소악절경계 탐색구간(312a_1)과 간주구간 탐색구간(312a_2)을 포함한다.
상기 소악절경계 탐색구간(312a_1)은, 상기 입출력장치(100)로부터 수신한 음악을 구성하는 각 소악절들의 경계범위를 탐색한다.
상기 간주구간 탐색구간(312a_2)은, 상기 소악절경계 탐색구간(312a_1)으로부터 경계범위가 탐색된 소악절에 대해 간주구간의 존재여부를 확인한다.
상기 반복구간 탐색모듈(312b)은, 크로마 벡터 추출구간(312b_1)과 유사도 측정구간(312b_2) 및 반복구간 연결구간(312b_3)을 포함한다.
상기 크로마 벡터 추출구간(312b_1)은, 상기 음악의 전 구간에서 크로마벡터를 추출한다.
상기 유사도 측정구간(312b_2)은, 상기 크로마 벡터 추출구간(312b_1)으로부 터 추출된 크로마 벡터를 프레임 크기별로 그룹화하여 각 그룹간의 유사도를 측정한다.
상기 반복구간 연결구간(312b_3)은, 상기 유사도 측정구간(312b_2)에서 측정된 유사도에 기초하여 그룹간을 서로 연결한다.
상기 반복악절 생성모듈(312c)은, 상기 반복구간 탐색모듈(312b)로부터 탐색된 반복구간과 상기 구조분석모듈로부터 출력된 소악절을 음악의 기본 구성단위로 재편성하고, 재편성된 반복악절을 출력한다.
상기 반복악절 구조정보 출력모듈(312d)은, 상기 반복악절 생성모듈(312c)로부터 출력된 반복악절의 구조정보를 출력한다.
상기 특징추출부(314)는 상기 구조분석부(312)에서 분석된 각 반복악절의 특징을 추출한다.
상기 AV계수 검색부(316)는 각 반복악절에 따른 분위기 및 감정을 표현하는 단어를 적어도 하나 선택하고, 선택된 단어의 위치좌표를 벡터연산하고, 연산데이터인 AV계수를 출력한다.
상기 AV계수 모델링부(318)는, 상기 AV계수 검색부(316)로부터 출력된 AV계수와 상기 사용자정보 저장장치(200)로부터 수신한 사용자정보를 매핑하여 모델링한다.
상기 음악추천수단(330)은, 프로파일 구성부(332)와 상기 음악추천부(334) 및 사용자정보 확장부(336)를 포함한다.
상기 프로파일 구성부(332)는, 상기 사용자정보 저장장치(200)로부터 수신된 사용자정보와 상기 음악분석수단(310)의 AV계수 검색부(316)로부터 출력된 AV계수를 매핑 후, 모델링하여 사용자 프로파일을 구성한다.
상기 음악추천부(334)는, 상기 프로파일 구성부(332)로부터 제공된 사용자 프로파일에 기초하여, 사용자가 선호하는 음악을 추천한다.
상기 사용자정보 확장부(336)는, 상기 프로파일 구성부(332)로 제공된 사용자정보를 포함하며, 보다 상위수준에 해당하는 사용자정보로 매핑하여 확장한다.
상기 음악분석수단(310)의 AV계수 검색부(316)에서 사용되는 각 반복악절에 따른 분위기 및 감정을 나타내기 위한 AV좌표를 도 3을 통해 살펴보도록 한다.
도 3에 도시된 바와 같이, 음악을 청취자가 청취할 때, 상기 청취자가 느낄 수 있는 자극의 강도(Arousal)와 상기 음원을 구성하는 각 음들의 안정화(Valence)를 기준으로 하여 AV좌표를 구성한다. 상기 AV좌표는 기쁨, 편안함, 슬픔, 분노 등의 네 종류의 분위기 및 감정을 나타내는 단어들을 각 영역별로 나누어 위치시킨다. 이 때, 상기 단어들은 서로 동일한 간격을 두고 상기 AV 좌표 상에 위치된다.
상기 AV좌표 상에 위치하는 각 단어들은 도 3을 통해 표기된 바와 같은 기쁨, 편안함, 슬픔, 분노 외의 다른 종류에 해당하는 단어들로 변경도 가능하다.
이하, 도 4를 통해 음악추천방법에 대해 살펴보기로 한다.
도 4에 도시된 바와 같이, 음악 및 청취자의 사용자정보 중 적어도 하나를 수신한다(S301).
상기 수신한 음악을 소악절로 나누고, 상기 소악절에 대한 구조분석을 수행하며, 상기 구조분석의 결과에 기초하여 반복악절을 추출한다(S302).
상기 반복악절을 구성하는 음색, 리듬, 세기, 박자 등의 특징에 해당하는 특징데이터 추출한다(S303).
각 반복악절에 따른 분위기 및 감정을 나타내는 단어를 자극의 강도(Arousal)와 음의 안정화(Valence)를 기준으로 작성된 AV좌표 상에서 추출하고, 추출된 단어의 위치좌표를 벡터연산하고, 연산데이터는 AV계수를 출력한다(S304).
앞서 추출된 상기 반복악절의 특징데이터와 상기 추출된 분위기 및 감정을 나타내는 단어의 AV계수를 모델링한다(S305).
또한, 상기 청취자의 사용자정보와 상기 추출된 분위기 및 감정을 나타내는 단어의 AV계수를 프로파일한다(S306).
상기 프로파일에 기초하여, 사용자 상황에 따른 음악을 추천한다(S307).
이에 더하여, 상기 프로파일에 저장된 사용자정보를 포함하며, 상기 사용자정보보다 상위수준에 해당하는 사용자정보가 더 확장될 수 있다(S308).
이하, 도 5를 통해 본 발명의 실시예인 음악추천방법에 대해 자세히 살펴보도록 한다.
도 5에 도시된 바와 같이, 음악과 청취자의 사용자정보가 수신된다(S401). 상기 음악의 구조분석을 위해 상기 음악을 구성하는 소악절의 경계 탐색을 수행한다(S402).
상기 소악절의 경계 탐색과정을 보다 자세히 살펴보면 다음과 같다.
일반적인 곡이 4분의 4박자임을 고려하여, 8개의 박자구간을 소악절 간격으로 판정한다. 이후, 상기 소악절의 경계점을 탐색한다. 일반적으로 소악절의 내부 에는 가사 부분이 존재하고, 소악절의 경계부분에는 다음 가사를 위해 잠시 숨을 고르며, 사람의 음성이 작아지는 특성이 있다. 이러한 특성을 이용하여, 상기 소악절 경계점에 사람의 음성변화를 확인하는 다시 말해, 주파수 대역의 에너지 변화를 감지하는 방법을 사용하여 소악절의 경계를 탐색할 수 있다.
이 때, 탐색된 상기 소악절은 간주구간 또한 포함하고 있다.
음악 중 간주구간은 가사 없이 연주로만 이루어져 있어서, 곡 전 범위에 걸쳐 비슷한 멜로디 성향을 가지게 된다. 따라서 이러한 간주구간은 음악을 구간 별로 나누어 성향을 체크하고자 하는 본 발명에 있어서, 정확한 성향 체크를 방해하는 요소이므로, 구간 별 성향 체크 전 미리 제거해야 할 대상이 된다.
그리하여, 상기 음악 내 소악절 경계 탐색이 완료되고, 상기 소악절 내 간주부분이 포함되어 있는지 확인하기 위해 상기 소악절에 대한 간주구간을 탐색한다(S403). 상기 간주구간의 탐색과정(S403)을 좀 더 자세히 살펴보면 다음과 같다.
본 간주구간의 탐색과정(S403)은 악기의 연주로만 구성된 간주구간이 음성과 악기의 연주가 함께 이루어진 부분보다 음향적 안정성이 높다는 특성과, 음성부분이 제거되어있다는 특징을 이용하도록 한다. 음향의 특징 중 음의 안정된 정도를 판별하는 특징으로 많이 사용되는 것이 ZCR(Zero Crossing Rate)이다. ZCR의 이러한 특징으로 인하여, 악기연주로만 이루어진 구간은 ZCR값이 낮게 연속되고 따라서, 상기 구간이 간주구간임을 판단한다. 뿐만 아니라, 앞서 소악절경계 탐색과정에서 사용되었던 음성 주파수 대역의 에너지 정보도 함께 사용되어, 에너지가 낮게 연속되는 구간 또한 간주구간이라 판단한다.
이와 같이, 상기 음악의 구조분석이 완료되고, 상기 음악에 대한 반복구간을 탐색한다.
상기 음악 내 비슷한 멜로디로 이루어진 반복구간을 탐색하고자, 전체 옥타브의 같은 음의 집합의 에너지 분산정보를 포함하는 크로마 벡터를 사용하여 크로마 벡터를 추출한다(S404). 상기 음악 내 전 구간의 크로마 벡터를 추출하기 위해 상기 음악의 전 구간을 250ms 크기인 프레임 단위로 나누어 상기 크로마 벡터를 계산한다.
이와 같이 추출된 크로마 벡터를 특정시간별 예를 들면, 5초 간격으로 전체 크기의 4분의 3 정도를 중첩시키며, 각각을 그룹화 한다. 각각의 그룹들에 있어서, 상기 그룹간의 유사도를 계산한다(S405). 따라서 각 그룹간의 유사도 계산값을 얻고, 각 그룹 간을 연결한다(S406). 이로써, 상기 음악 내 반복구간의 탐색과정의 수행동작이 완료된다.
이 후, 앞서 수행된 상기 간주구간을 제외한 소악절과 반복구간을 기초하여 반복악절을 생성하고, 상기 반복악절의 구조를 분석하는 과정이 수행된다(S407).
상기 간주구간을 제외한 소악절과 반복구간은, 일반적인 음악의 기본 구성단위와 같이 이루어져 있지 않기 때문에, 청취자가 듣기에 매끄럽지 않을 수도 있다. 이로 인해, 청취자가 곡에 대한 정확한 평가를 내리기 어려운 부분이 존재할 수 있게 되므로, 청취자의 원활한 곡 평가를 위해 상기 간주구간을 제외한 소악절과 반복구간을 일반적인 음악의 기본 구성단위로 재편성할 필요가 있다.
따라서 상기 간주구간을 제외한 소악절과 반복구간을 각각 분할 및 병합하 여, 반복악절로 재편성하고 상기 반복악절을 출력한다.
상기 출력된 반복악절에 대한 특징을 추출한다(S408). 상기 반복악절에 대한 특징은 크게 음색, 리듬, 세기, 박자 등이 포함될 수 있다. 이와 같이, 각 반복악절에 따른 특징에 대해 일일이 추출하는 것은 분석하고자 하는 음악의 장르 분류 및 분위기 판정 모두에 사용되어 질 수 있고, 각각의 다양한 특징들의 조합에 대한 성능평가를 한 후, 성능이 좋은 부분집합을 파악하고 이를 바탕으로 음악의 내용을 표현하기 위해서이다.
앞서 음악을 구성하는 반복악절에 대한 특징 추출이 수행되었다면, 이하에서는 상기 반복악절에 대한 청취자의 느낌이 추출된다.
음의 안정화(Valence)와 자극의 강도(Arousal)를 X축과 Y축으로 하는 AV좌표 상에 분위기 또는 감정을 나타낼 수 있는 단어들을 각각 동일하게 일정한 거리를 유지한 채 위치시킨다. 청취자에게 상기 반복악절을 청취하도록 하고 청취한 느낌에 해당하는 단어들을 상기 AV좌표 상에서 추출하도록 하여, 상기 추출된 단어들을 수신한다(S409).
상기 수신한 단어들이 위치한 AV 좌표 상의 위치좌표에 대하여, 벡터연산한 후, 연산데이터인 AV계수를 출력한다(S410).
상기 출력된 AV계수와 앞서 추출한 반복악절의 특징을 나타낸 특징데이터 간의 관계를 모델링한다(S411). 이와 같은 모델링 과정을 통해 각각의 청취자가 새로운 음악에 대해 얼마의 AV계수를 부여할지를 예측할 수 있게 된다. 뿐만 아니라, 각 반복악절에 대한 AV계수를 계산하여, 상기 반복악절이 이루는 음악에 대한 전체 적인 느낌 및 AV계수를 유추할 수 있게 된다.
이에 더하여, 청취자의 사용자정보에 따른 각 반복악절별 분위기 및 감정을 나타내는 단어들과 상기 사용자정보를 매핑하여 프로파일화하고, 상기 프로파일을 저장한다(S412).
앞서 수신한 청취자의 사용자정보는 시간대, 장소, 시즌, 날씨, 성별, 나이대, 사용자 감정 등의 요소를 포함하여 청취자의 상황에 따른 사용자정보로 사용할 수 있다. 이 때, 상기 프로파일은 청취자가 가지고 있는 상황정보와 상기 상황정보에 따라 청취자가 선호하는 음악의 AV계수의 쌍을 집합으로 표현될 수 있다.
따라서 상기 프로파일로부터 저장된 음악의 AV계수와 청취자의 현재의 상황정보를 유사도함수를 사용하여 연산하고, 연산값을 내림차순으로 정렬하여 상위값을 갖는 음악을 청취자에게 추천한다(S413).
이에 더하여, 청취자 외에 전문가들에게 상황정보를 제공하고, 상기 상황정보에 맞는 음악을 추천하게 하며, 이렇게 추천된 음악 또한 프로파일화하여, 상기 프로파일을 저장한다.
또는 상기 프로파일화 과정 시 사용된 청취자의 사용자정보에 있어서, 확장여부를 선택할 수 있다(S414).
상기 사용자정보에의 확장을 원하는 경우라면(S415), 퍼지이론 등을 통해 상기 프로파일 과정 시 사용되었던 사용자정보에 대하여 좀 더 일반적인 범위로 확대할 수 있다. 물론, 확대된 사용자정보는 상기 사용자정보를 포함하고 있으며, 상기 사용자정보보다 상위수준의 정보를 포함할 수 있다.
바람직한 실시 예에 따른 본 발명인 음악 추천시스템 및 방법은 청취자의 사용자정보에 따른 음악추천이 가능할 수 있다.
이에 더하여, 각 음악의 특징 파악을 위해 사람이 직접 파악하는 번거로움에서 벗어나 시스템을 통해 음악의 특징 파악이 가능함으로써 특징 파악의 소요시간이 줄어들 수 있으며, 따라서 각 특징에 따른 음악분류가 용이해진다는 장점이 있다.
이상 본 발명에 의한 음악추천 시스템 및 방법에 대하여 설명하였다. 이러한 본 발명의 기술적 구성은 본 발명이 속하는 기술분야의 당업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.
그러므로 이상에서 기술한 실시예는 모든 면에서 예시적인 것이며, 한정적인 것이 아닌 것으로서 이해되어야하고, 본 발명의 범위는 전술한 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 등가개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.
도 1은 본 발명의 실시예에 따른 음악추천 시스템에 관한 블록도이고,
도 2는 상기 음악추천 시스템의 구조분석부에 관한 블록도이고,
도 3은 상기 음악추천 시스템의 AV계수 검색부에서 사용되는 AV좌표이고,
도 4는 본 발명의 실시예에 따른 음악추천 방법에 관한 순서도이고,
도 5는 본 발명의 실시예에 따른 음악추천 방법에 관한 흐름도이다.
***도면의 주요부분에 대한 부호의 설명***
100: 입출력장치 200: 사용자정보 저장장치
300: 서버 310: 음악분석수단
330: 음악추천수단 312: 구조분석부
314: 특징추출부 316: AV계수 검색부
318: AV계수 모델링부 332: 프로파일 구성부
334: 음악추천부 336: 사용자정보 확장부

Claims (23)

  1. 음악을 제공받으며, 추천된 음악을 출력하는 입출력장치와;
    청취자의 사용자정보를 제공하는 사용자정보 저장장치 및
    상기 입출력장치로부터 제공된 음악을 구조적으로 분석하고, 분석된 음악의 구조적 특징을 추출하며, 상기 음악의 구조 및 특징의 분석결과를 상기 사용자정보 저장장치로부터 제공된 사용자정보에 기초하여 모델링하고, 상기 모델링 결과에 대응하는 추천음악을 상기 입출력장치로 전송하는 서버를 포함하는 음악추천 시스템.
  2. 제1항에 있어서,
    상기 서버는 상기 입출력장치로부터 제공된 음악의 구조분석을 수행하는 음악분석수단과;
    상기 음악분석수단으로부터 분석된 결과를 상기 사용자정보에 기초하여 모델링하고, 상기 모델링결과에 대응하는 음악을 추천하는 음악추천수단을 포함하여 상기 입출력장치로 추천음악을 전송함을 특징으로 하는 음악추천 시스템.
  3. 제2항에 있어서,
    상기 음악분석수단은 상기 입출력장치로부터 제공된 음악을 소악절로 나누어 각 소악절별 구조를 파악하고, 상기 소악절을 재편성하여 반복악절로 출력하는 구조분석부와;
    상기 구조분석부에서 출력된 각 반복악절별 특징을 추출하는 특징추출부와;
    각 반복악절에 따른 분위기 및 감정을 표현하는 단어를 적어도 하나 선택하고, 선택된 단어의 위치좌표를 벡터연산하는 AV(Arousal Valence)계수 검색부 및
    상기 AV계수 검색부로부터 벡터연산된 AV계수와 상기 사용자정보 저장장치로부터 수신한 사용자정보를 매핑하여 모델링하는 AV계수 모델링부를 포함함을 특징으로 하는 음악추천 시스템.
  4. 제3항에 있어서,
    상기 구조분석부는 상기 입출력장치로부터 제공된 음악의 내부 구조를 소악절별로 나누어 분석하는 구조분석모듈과;
    상기 입출력장치로부터 제공된 음악의 반복구간을 탐색하는 반복구간 탐색모듈과;
    상기 반복구간 탐색모듈로부터 탐색된 반복구간과 상기 구조분석모듈로부터 제공된 소악절을 음악의 기본 구성단위로 재편성된 반복악절을 출력하는 반복악절 생성모듈 및
    상기 반복악절 생성모듈로부터 출력된 반복악절의 구조정보를 출력하는 반복악절 구조정보 출력모듈을 포함함을 특징으로 하는 음악추천 시스템.
  5. 제4항에 있어서,
    상기 구조분석모듈은 상기 음악을 구성하는 각 소악절들의 각 경계범위를 탐색하는 소악절경계 탐색구간과;
    상기 소악절경계 탐색구간으로부터 경계범위가 탐색된 소악절에 간주구간 존재여부를 탐색하는 간주구간 탐색구간을 포함하여 상기 음악을 소악절별로 나누어 구조를 분석함을 특징으로 하는 음악추천 시스템.
  6. 제4항에 있어서,
    상기 반복구간 탐색모듈은 유사한 멜로디로 구성된 반복구간을 탐색하기 위해 상기 음악의 전 구간에서 크로마 벡터를 추출하는 크로마 벡터 추출구간과;
    상기 크로마 벡터 추출구간으로부터 추출된 크로마 벡터를 프레임 크기별로 그룹화하여 각 그룹간의 유사도를 측정하는 유사도 측정구간 및
    상기 유사도 측정구간에서 측정된 유사도에 대응하여 상기 유사도가 높은 그룹끼리 상호 연결하는 반복구간 연결구간을 포함하여 상기 음악 내 존재하는 반복구간을 탐색함을 특징으로 하는 음악추천 시스템.
  7. 제3항에 있어서,
    상기 AV계수 검색부는 상기 음악을 구성하는 각 음들의 안정화와 상기 음악을 사용자가 들었을 때 사용자에게 나타나는 자극의 강도를 기준으로 구성된 AV좌표 상에 분위기 및 감정을 나타내는 단어를 적어도 하나 포함하여, 사용자로부터 수신된 단어들이 위치하는 각 위치좌표값을 벡터연산하여 AV계수를 출력함을 특징으로 하는 음악추천 시스템.
  8. 제3항에 있어서,
    상기 AV계수 모델링부는 상기 특징추출부로부터 추출된 각 반복악절별 특징데이터와 상기 AV계수 검색부로부터 출력된 AV계수를 매핑하여 모델링함을 특징으로 하는 음악추천 시스템.
  9. 제2항에 있어서,
    상기 음악추천수단은 상기 사용자정보 저장장치로부터 수신된 사용자정보와 상기 음악분석수단의 AV계수 검색부로부터 출력된 AV계수를 매핑 후 모델링하여 사용자 프로파일을 구성하는 프로파일 구성부와; 상기 프로파일 구성부로부터 제공된 사용자 프로파일에 대응하여, 사용자가 선호하는 음악을 추천하는 음악추천부를 포 함함을 특징으로 하는 음악추천 시스템.
  10. 제9항에 있어서,
    상기 음악추천수단은 상기 프로파일 구성부로 제공된 사용자정보를 포함하며, 보다 상위수준에 해당하는 사용자정보로 매핑하여 확장하는 사용자정보 확장부를 더 포함함을 특징으로 하는 음악추천 시스템.
  11. 음악 및 청취자의 사용자정보 중 적어도 하나를 수신하는 음악수신단계와;
    상기 음악의 구조 및 반복구간을 분석하고, 상기 음악의 반복악절별 특징을 추출하는 특징추출단계와;
    각 반복악절별 특징에 따른 분위기 및 감정을 나타내는 단어를 추출하고, 상기 사용자정보와 상기 분위기 및 감정을 나타내는 단어를 매핑하여 모델링하는 모델링단계 및상기 모델링된 사용자정보에 대응하여 청취자의 상황에 따라 음악을 추천하는 음악추천단계를 포함하는 음악추천방법.
  12. 제11항에 있어서,
    상기 사용자정보를 포함하고, 상기 사용자정보가 해당되는 수준을 포괄하는 상위수준으로 사용자정보를 확장하는 사용자정보 확장단계를 더 포함함을 특징으로 하는 음악추천 방법.
  13. 제12항에 있어서,
    상기 특징추출단계는 상기 음악의 구조를 분석하고, 상기 음악을 소악절별로 나누어 출력하는 구조분석과정과;
    상기 소악절 내 반복구간 존재여부를 탐색하는 반복구간 탐색과정과;
    상기 구조분석과정에서 출력된 소악절과 상기 반복구간 탐색과정에서 탐색된 반복구간에 대응하여 음악의 기본 구성에 맞는 반복악절을 출력하는 반복악절 출력과정 및
    상기 반복악절 생성과정에서 출력된 반복악절의 특징데이터를 추출하는 반복악절 특징추출과정을 포함함을 특징으로 하는 음악추천방법.
  14. 제13항에 있어서,
    상기 구조분석과정은 상기 음악 내 소악절의 경계를 탐색하는 소악절경계 탐색과정과;
    상기 소악절 내 가사를 제외하고 연주로만 구성되는 간주구간을 탐색하는 간주구간 탐색과정을 포함함을 특징으로 하는 음악추천 방법.
  15. 제14항에 있어서,
    상기 소악절경계 탐색과정은 상기 음악의 리듬정보를 추출하고, 적어도 하나의 박자구간을 소악절 간격으로 판단하여, 상기 소악절 내 사람의 음성이 작아지는 부분을 소악절의 경계로 판단함을 특징으로 하는 음악추천 방법.
  16. 제14항에 있어서,
    상기 간주구간 탐색과정은 상기 소악절 내에서, 음의 안정도를 판별하는 ZCR(Zero Crossing Rate)을 사용하여, 상기 ZCR 값이 낮게 연속되는 구간을 간주구간이라고 판단함을 특징으로 하는 음악추천 방법.
  17. 제13항에 있어서,
    상기 반복구간 탐색과정은 분석하고자 하는 음악의 전 구간을 프레임단위로 나누어 상기 음악의 전 구간에 대한 크로마 벡터를 추출하고, 상기 추출된 크로마 벡터를 일정 크기로 그룹화하여, 각 그룹간의 유사도를 측정하며, 상기 유사도에 대응하여 이웃하는 그룹을 연결하여 반복구간임을 판단함을 특징으로 하는 음악추천 방법.
  18. 제13항에 있어서,
    상기 반복악절 출력과정은 상기 구조분석과정에서 나눠진 소악절과 상기 반복구간 탐색과정에서 탐색된 반복구간을 분할 및 병합하여 청취자가 듣기에 매끄럽도록 음악의 기본 구성단위로 재편성한 반복악절을 출력함을 특징으로 하는 음악추천 방법.
  19. 제13항에 있어서,
    상기 반복악절 특징추출과정은 상기 반복악절에 대한 음색, 리듬, 세기, 박자 중 적어도 하나를 포함하는 특징데이터를 출력함을 특징으로 하는 음악추천 방법.
  20. 제12항에 있어서,
    상기 모델링단계는 분위기 및 감정을 나타내는 단어가 위치하는 AV좌표 상에서 상기 반복악절에 해당하는 분위기 및 감정 단어를 적어도 하나 수신하여 수신한 단어들 간에 벡터연산을 수행하여 AV계수를 출력하는 AV계수 검색과정과;
    상기 반복악절 특징추출과정에서 추출된 특징데이터와 상기 AV계수 검색과정에서 출력된 AV계수를 매핑하여 모델링하는 AV계수 모델링과정 및
    상기 수신한 사용자정보와 상기 AV계수 검색과정에서 출력된 AV계수를 매핑하여 모델링하는 프로파일 구성과정을 포함함을 특징으로 하는 음악추천 방법.
  21. 제20항에 있어서,
    상기 AV계수 검색과정은 음의 안정화와 자극의 강도를 기준으로 하는 AV좌표 상에서 분위기 및 감정을 나타내는 적어도 하나의 단어가 동일한 거리를 유지하며 위치됨을 특징으로 하는 음악추천 방법.
  22. 제12항에 있어서,
    상기 음악추천단계는 상기 AV계수 모델링과정에서 연산된 연산데이터와 상기 프로파일 구성과정에서 연산된 연산데이터간에 유사도함수를 이용하여 연산 후, 연산값을 내림차순으로 정렬하여 상위값을 갖는 음악 중 적어도 하나를 추천함을 특징으로 하는 음악추천 방법.
  23. 제12항에 있어서,
    상기 사용자정보 확장단계는 상기 수신한 사용자정보를 퍼지이론에 기초하여 적어도 하나의 상위수준 사용자정보로 확장함을 특징으로 하는 음악추천 방법.
KR1020080083474A 2008-08-26 2008-08-26 음악추천 시스템 및 방법 KR101170208B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020080083474A KR101170208B1 (ko) 2008-08-26 2008-08-26 음악추천 시스템 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020080083474A KR101170208B1 (ko) 2008-08-26 2008-08-26 음악추천 시스템 및 방법

Publications (2)

Publication Number Publication Date
KR20100024769A true KR20100024769A (ko) 2010-03-08
KR101170208B1 KR101170208B1 (ko) 2012-07-31

Family

ID=42176513

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020080083474A KR101170208B1 (ko) 2008-08-26 2008-08-26 음악추천 시스템 및 방법

Country Status (1)

Country Link
KR (1) KR101170208B1 (ko)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012051606A2 (en) * 2010-10-14 2012-04-19 Ishlab Inc. Systems and methods for customized music selection and distribution
US8489606B2 (en) 2010-08-31 2013-07-16 Electronics And Telecommunications Research Institute Music search apparatus and method using emotion model
US8838617B2 (en) 2011-11-28 2014-09-16 Electronics And Telecommunications Research Institute Method and apparatus for searching for recommended music using emotional information of music
WO2015129989A1 (ko) * 2014-02-26 2015-09-03 에스케이플래닛 주식회사 콘텐츠 및 음원 추천 장치 및 방법
KR20150112351A (ko) * 2014-03-27 2015-10-07 에스케이플래닛 주식회사 음원 추천 장치 및 방법
KR20180121069A (ko) * 2017-04-28 2018-11-07 이화여자대학교 산학협력단 외상 후 스트레스 장애를 관리하기 위한 음악 컨텐츠 제공 방법 및 음악 컨텐츠 생성 방법
KR101987605B1 (ko) * 2018-12-28 2019-06-10 건국대학교 산학협력단 음악 감성 인식 방법 및 장치
KR20190084451A (ko) * 2018-01-08 2019-07-17 한국전자통신연구원 음악 검색 장치 및 방법

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101593961B1 (ko) * 2010-08-31 2016-02-15 한국전자통신연구원 감정 모델을 이용한 음악 검색 장치 및 방법
KR101550969B1 (ko) 2013-09-06 2015-09-18 금오공과대학교 산학협력단 음악의 분위기와 폭소노미 태그의 관계의 분석 방법

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8489606B2 (en) 2010-08-31 2013-07-16 Electronics And Telecommunications Research Institute Music search apparatus and method using emotion model
WO2012051606A2 (en) * 2010-10-14 2012-04-19 Ishlab Inc. Systems and methods for customized music selection and distribution
WO2012051606A3 (en) * 2010-10-14 2012-06-21 Ishlab Inc. Systems and methods for customized music selection and distribution
US8838617B2 (en) 2011-11-28 2014-09-16 Electronics And Telecommunications Research Institute Method and apparatus for searching for recommended music using emotional information of music
WO2015129989A1 (ko) * 2014-02-26 2015-09-03 에스케이플래닛 주식회사 콘텐츠 및 음원 추천 장치 및 방법
US10349137B2 (en) 2014-02-26 2019-07-09 Groovers Inc. Device and method for recommending content and sound source
KR20150112351A (ko) * 2014-03-27 2015-10-07 에스케이플래닛 주식회사 음원 추천 장치 및 방법
KR20180121069A (ko) * 2017-04-28 2018-11-07 이화여자대학교 산학협력단 외상 후 스트레스 장애를 관리하기 위한 음악 컨텐츠 제공 방법 및 음악 컨텐츠 생성 방법
KR20190084451A (ko) * 2018-01-08 2019-07-17 한국전자통신연구원 음악 검색 장치 및 방법
KR101987605B1 (ko) * 2018-12-28 2019-06-10 건국대학교 산학협력단 음악 감성 인식 방법 및 장치
WO2020138618A1 (ko) * 2018-12-28 2020-07-02 건국대학교 산학협력단 음악 감성 인식 방법 및 장치

Also Published As

Publication number Publication date
KR101170208B1 (ko) 2012-07-31

Similar Documents

Publication Publication Date Title
KR101170208B1 (ko) 음악추천 시스템 및 방법
US8170702B2 (en) Method for classifying audio data
Yang et al. Ranking-based emotion recognition for music organization and retrieval
US8489606B2 (en) Music search apparatus and method using emotion model
CN103793446B (zh) 音乐视频的生成方法和系统
Chowdhury et al. Towards explainable music emotion recognition: The route via mid-level features
CN101149950A (zh) 实现分类播放的媒体播放器及分类播放方法
US20100145892A1 (en) Search device and associated methods
JP2009508156A (ja) 音楽分析
CN105575393A (zh) 一种基于人声音色的个性化点唱歌曲推荐方法
KR20120101233A (ko) 감성 정보 생성 방법, 그를 이용한 감성 정보 기반의 콘텐츠 추천 방법 및 시스템
CN103400593A (zh) 一种试听音频的方法及装置
Sudarma et al. Design and analysis system of KNN and ID3 algorithm for music classification based on mood feature extraction
Mora et al. Melodic contour and mid-level global features applied to the analysis of flamenco cantes
Wu et al. Audio-based music visualization for music structure analysis
KR20120021174A (ko) 감정 모델을 이용한 음악 검색 장치 및 방법
Schedl et al. Large-scale music exploration in hierarchically organized landscapes using prototypicality information
Isikhan et al. A survey of melody extraction techniques for music information retrieval
JP2002055695A (ja) 音楽検索システム
KR20140129443A (ko) 적응형 음원 추천 시스템 및 방법
Díaz-Báñez et al. An efficient DTW-based approach for melodic similarity in flamenco singing
Vatolkin et al. Evaluation of audio feature groups for the prediction of arousal and valence in music
Cai et al. Feature selection approaches for optimising music emotion recognition methods
JP5941350B2 (ja) 聴覚印象量推定装置及びそのプログラム
CN107436953B (zh) 一种音乐搜索方法及系统

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
E90F Notification of reason for final refusal
E601 Decision to refuse application
J201 Request for trial against refusal decision
AMND Amendment
B601 Maintenance of original decision after re-examination before a trial
E801 Decision on dismissal of amendment
S901 Examination by remand of revocation
GRNO Decision to grant (after opposition)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20150706

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20160830

Year of fee payment: 5

LAPS Lapse due to unpaid annual fee