음표 임베딩과 마디 임베딩을 이용한곡의 생성 및 정량적 평가 방법 (Creating Songs Using Note Embedding and Bar Embedding and Quantitatively Evaluating Methods)

서지정보

· 발행기관 : 한국정보처리학회
· 수록지 정보 : 정보처리학회 논문지 / 10권 / 11호 / 483 ~ 490페이지
· 저자명 : 이영배, 정성훈

초록

인공신경망을 이용해서 기존 곡을 학습시키고 새로운 곡을 생성하기 위해서는 전처리 과정으로 곡을 신경망이 인식할 수 있는 숫자로 변환해야하며, 지금까지는 원-핫 인코딩이 사용되어 왔다. 본 논문에서는 음표 임베딩과 마디 임베딩을 제안하고 기존의 원-핫 인코딩과 성능을 비교하였다.
성능비교는 어떤 방식이 작곡가가 작곡한 곡과 유사한 곡을 생성하는지를 정량적 평가에 근거해서 수행하였으며, 평가방법으로는 자연어 처리분야에서 사용되는 정량적 평가 방법들을 이용하였다. 평가결과 마디 임베딩으로 생성한 곡이 가장 좋았으며 그 다음으로 음표 임베딩이 좋았다.
이는 본 논문에서 제안한 음표 임베딩과 마디 임베딩이 원-핫 인코딩보다 작곡가가 작곡한 곡과 유사한 곡을 생성한 것으로서 의의가 있다.

영어초록

In order to learn an existing song and create a new song using an artificial neural network, it is necessary to convert the song intonumerical data that the neural network can recognize as a preprocessing process, and one-hot encoding has been used until now. Inthis paper, we proposed a note embedding method using notes as a basic unit and a bar embedding method that uses the bar as thebasic unit, and compared the performance with the existing one-hot encoding. The performance comparison was conducted based onquantitative evaluation to determine which method produced a song more similar to the song composed by the composer, and quantitativeevaluation methods used in the field of natural language processing were used as the evaluation method. As a result of the evaluation,the song created with bar embedding was the best, followed by note embedding. This is significant in that the note embedding and barembedding proposed in this paper create a song that is more similar to the song composed by the composer than the existing one-hotencoding.

참고자료

· 없음