情報処理北海道シンポジウム 2006 感性情報に基づいた楽曲の特徴空間の可視化武井亨 1 エドワード・パック・エン・フィ (函館高専情報工学科)† はじめに東海林智也∗ ここで特徴量と感性情報に対して直接サポートベクター携帯電話を主としてインターネット網がほぼ全世帯に普及した現在，楽曲の配信サービスの需要がますます増大している [1]．ここで楽曲の数は膨大であるため，効果的な楽曲検索技術が必要とされている [2]．従来の楽曲検索は楽曲名や歌手名などの文字情報を用マシンを適用せずに，正閏相関分析をおこなってからサポートベクターマシンを適用する理由は，サポートベクターマシンは特徴量の次元を圧縮することが出来ないためである． 3 いるものがほとんどであったが，近年では「明るい曲」，「落ち着く曲」などの個人の感性に基づいて楽曲の検索をおこなう技術が求められているため，感性情報と結びつけやすい特徴を楽曲から抽出する手法が数多く提案されている [3][4]．いずれの特徴抽出手法を用いるにしろ，一般に楽曲のシミュレーション例シミュレーション例として，実際に一人の被験者が 22 曲の楽曲を聞いて得た感性情報に従って特徴空間を判別した結果を図 1 に示す．この図から特徴空間が非線形な境界によって判別されている様子が分かる．なお今回はサポートベクターマシンのカーネルとしてガウスカーネルを用いた．特徴空間は高次元空間となり，さらにあいまいな人間の感性情報から作られた非線形な曲面を境として特徴空間の領域が分けられるため，ある個人の特徴を観測者が直感的に理解することが難しいという問題がある．そこで本発表では楽曲の特徴空間の次元を 2 次元まで落として画像として表示し，さらに非線形な判別曲面を 2 次元の曲線によって示すひとつの手法を提案する．この様な可視化により，各個人が楽曲から受ける感性を観測者が容易に比較検討することが可能となるため，心理 Fig. 1 感性情報に基づいた特徴空間の判別結果学などへの応用も考えられる． 2 提案アルゴリズム本発表ではある曲を聞いたときに得られた感性を「明るい」「落ち着く」「悲しい」のいずれかに分類して感性情報とする．さらに楽曲の特徴量として西洋音楽の 12 個の音階による音符の構成比率を用いる．ただしオクターブの違いは無視するため，ひとつの楽曲から得られる特徴量は 12 次元となる．この様にして得られた感性情報と曲の特徴量を基にして特徴空間内で非線形判別をおこない，特徴空間と非線形な判別曲面を 2 次元画像として可視化する．本発表では以下のアルゴリズムによって可視化を実現することを提案する． 1. 楽曲から抽出した特徴量に対して主成分分析をおこなって次元を圧縮する 2. 圧縮した特徴量と感性情報に関して正閏相関分析をおこなって感性情報と特徴量を結びつける 3. 特徴量に関する第 1,2 正閏相関得点に対してサポートベクターマシン [5] を適用し特徴空間と非線形判別曲面を可視化する ∗ [email protected] † 函館市戸倉町 14 番１号 4 まとめ本発表では個人が楽曲から受けた感性情報を基にして特徴空間を判別した結果を 2 次元画像として可視化するひとつの手法を提案した．また実際にシミュレーションをおこなってその結果を図示した．参考文献 [1] 帆足啓一郎, 上月勝博, 菅谷史昭, 楽曲配信サービスを支える音楽情報検索技術, 電子情報通信学会誌, pp.529-534, Vol.88, No.7, 2005. [2] 柏野邦夫, 音楽や映像の高速探索, 情報処理学会誌, pp.381-386, Vol.47, No4, 2006. [3] 辻康博, 星守, 大森匡, 曲の局所パターン特徴量を用いた類似曲検索・感性語による検索, 電子情報通信学会技術報告, pp.17-24, SP96-124, 1997. [4] 東海林智也, 関数データ解析を用いた楽曲からの特徴抽出, 日本計算機統計学会第 20 回大会論文集, 2006. [5] Nello Cristianini, John Shawe-Taylor, 大北剛訳, サポートベクターマシン入門, 共立出版, 2005.