Artists have their own way of expressing their own songs so that when we think of an artist we can understand which music the artist mainly performs and distinguish it from other artists. The fact that artists have their own unique characteristics means that artist can be used as a categorical label to classify songs. This artist label is more specific than genre which is often too broad or in its scope and definition, whereas it is more inclusive than a single song or album. Therefore, many music streaming services provide artist-based music recommendation and search. However, the interface is still based on a simple list of selected artists and their songs that exposes very limited information.
There have been many visualization methods to effectively show a large number of artist information at a time. They are usually based on similarity among artists and displayed them in a two-dimensional or three-dimensional space. When there are too many artists, the number of artists on the space should be summarized due to the spatial limitation. Many of previous methods filtered them using musical elements. However, this was not intuitive for users who do not have much musical knowledge. On the other hand, popularity is one of the information that an artist has, and it does not require any musical knowledge in order to understand it. It is possible to find an artist who can be a representative in similar artists through popularity. Therefore, popularity can be used as a basis for displaying artist information.
In this thesis, we propose a visualization system using artist embedding vectors and popularity for artist search. We extend the study of learning audio features using artist labels and attempt to implement an intuitive search method for artist data by utilizing popularity data.
아티스트들은 각자 그들만의 곡을 표현하는 방식을 갖고 있고 그렇기에 우리는 한 아티스트를 떠올렸을 때 어떤 음악을 하는지 이해하고 다른 아티스트와 구별지을 수 있다. 아티스트가 각자 그들만의 특색을 지니고 있다는 것은 장르와 같이 어떠한 곡이 아티스트 단위로 정의내려질 수 있다는 것이다. 그러나 장르에 따른 분류는 그 범위나 정의가 넓고 추상적이며 그렇다고 곡 단위로 분류를 하기에는 너무 세부적이다. 곡과 장르 사이에 위치한 아티스트 단위의 음악 분류는 이러한 점들을 보완할 수 있으며 현재 많은 스트리밍 사이트에서는 아티스트에 기반한 음악 추천과 검색을 도입하고 있고 아티스트 유사도나 분류와 관련된 연구들 또한 계속해서 나오고 있다. 추천의 경우 대체로 사용자 데이터를 기반으로 하는 협업 필터링을 통해 이루어며 이때에 발생하는 여러 문제를 완화시킬만한 연구들이 계속해서 나오고 있으며 많은 개선이 이루어지고 있다. 그러나 탐색을 위한 개선은 여전히 필요하다. 음악을 들려주는 것에 초점이 맞춰진 현 스트리밍 사이트의 서비스로는 한계가 분명 있으며 사용자가 알고있는 영역 내에서만 탐색이 가능하기 때문이다.
수많은 아티스트 정보를 한번에 제공하고자 할 때에 대체로 아티스트간의 유사도를 구하여 2차원 혹은 3차원의 공간에 보여주는 방식이 사용되어져왔다. 그리고 이러한 공간을 대게 음악적 요소들을 이용하여 필터링해 보여주는 경우가 많았다. 하지만 이러한 방식은 음악을 잘 모르는 사람들에게는 쉽거나 편리하게 다가오지 않는다. 인기도는 아티스트가 갖고있는 정보 중 하나로 이를 이해하는데 어떠한 음악적 지식도 필요하지 않으며 인기도를 통해서 비슷한 아티스트들 안에서 대표성을 띌 수 있는 아티스트를 찾을 수도 있다. 그렇기에 인기도는 아티스트 정보들을 보여줄 때 어떠한 기준으로 활용될 수 있다.
이 논문에서는 아티스트 탐색을 위해 아티스트 임베딩 벡터와 인기도를 이용한 시각화 시스템을 제안한다. 아티스트 라벨들만을 활용하여 음악적 특징을 학습한 연구를 확장해, 각 아티스트들의 임베딩 벡터를 이용해 유사한 아티스트들을 2차원 공간에 보여주고 그 이미지를 아티스트의 인기도를 활용해 직관적인 탐색 방식을 구현하고자 하였다.
