This thesis addresses four types of nonparametric Bayesian approaches for music analysis that discover the latent musical hierarchical structure based on musical components composing music contents. The musical structure is organized in a hierarchicalmanner that the relationships between musical features are represented by musical components, and musical components compose music contents as a mixture of them. As the nonparametric Bayesian approach based on the Dirichlet process provides a prior on the number of musical components that appropriately infer it from the given music collection, we propose models based on it with a topic model to understand the latent musical structure. Moreover, we characterize the musical components by considering all types of the fundamental musical dimensions, which are timbre, rhythm, harmony and melody, to extract the content-based data that represents all perceptual aspects of music contents that are useful information for managing the music collection.
Additionally, we introduce latent musical sub-genres into the musical hierarchical structure
to characterize the sharing properties between musical genres that raise the ambiguity of musical genres. We define the musical sub-genre as the correlations between musical components, and it is also discovered by our proposed approaches. Moreover, we associate musical components and subgenres with musical genres to involve the perceptual properties of musical genres into the musical hierarchical structure, and to resolve their ambiguity.
오늘날, 음악은 우리 생활 속에서 쉽게 접할수 있는 멀티미디어 콘텐츠 중 하나이다. 이로 인해서 많은 양의 음악을 효율적으로 관리할 수 있는 프로그램들이 필요하게 되었다. 그리고 이러한 프로그램들은 음악 분석을 통해 얻은 인지적 정보를 이용할 때 더 효율적으로 이용된다.
본 학위 논문에서는 음악 분석을 Nonparametric Baysian 모델을 통해 수행하는 방법을 제안한다. 음악 분석을 효율적으로 하기 위해서 음악의 기본적 성질인 음색, 박자, 화음와 멜로디를 동시에 모두 고려하여, 음악을 구성하는 음악적 기본 요소를 정의 및 발견하였다. 이 때 Nonparametric Baysian 방법을 통해서 음악 요소의 개수를 주어진 음악들 안에서 찾아낸다. 그리고 더 나아가 음악적 장르에 따른 음악적 요소들의 선호도를 추정하였고, 이를 통해 효율적인 음악 분석을 수행 할 수 있었다. 또한 음악들 안에서 음악적 요소들간의 관계성을 발견하여, 음악의 계층적 구조를 효율적으로 표현할 수 있었다. 이 때 음악적 요소들의 관계를 음악적 하위 장르로 표현함으로써, 기존의 음악적 장르보다 더 정확하고 세부적으로 음악 분류를 가능하게 하였다. 더욱이 발견한 음악적 하위 장르들은 기존의 음악적 장르들의 음악 분류에서의 불분명확성을 해결해줄 수 있다.
이와 같이 효율적인 음악 분석을 통해서 얻은 음악적 정보들이 음악 관리에 효율적으로 사용
될 수 있었다.
