The method of expressing emotions according to the performance expression is the most essential element of classical music, and several approaches have been conducted to analyze it. However, most of them are limited in that they attempted to analyze from the perspective of the listener, not the performer, and in a short melody composed arbitrarily. This study proposes an analysis that deviates from these limitations by analyzing the performance characteristics of emotional expression in real classical music from the perspective of the performer using machine learning and neural network. For use in research, classical piano performance data were collected and features that could explain the performance were defined from collected data. This research selects significant features by machine learning methodologies, and then proves that certain performance features effectively represent emotions. Also, the impact of each feature on emotional expression is analyzed to distinguish features that play a significant role in expression of a particular emotion. Furthermore, this research confirms that the emotions of the entire performance were classifiable by using machine learning methodologies and artificial neural network, and also tries multiple instance learning by piece sections. These processes show that the period-specific and compositional features of the piece by the composer can significantly affect emotion representation, and also confirms that noise from the compositional features of the song can affect emotion classification. These results show how each performance feature affects the actual performance and which of them is more important, suggesting that this research quantified the expressive features performers perceive and use empirically.
연주 표현에 따른 감정 전달 방법은 클래식 음악의 가장 핵심적인 요소이며 이를 분석하는 연구들이 진 행되어왔다. 그러나 기존의 연구들은 연주자가 아닌 감상자 관점에서 이루어졌으며, 임의의 짧은 선율에서의 분석이라는 점에서 한계를 가진다. 본 연구에서는 기계학습과 뉴럴 네트워크를 이용하여 연주자 관점에서 실제 클래식 음악에서의 감정 표현을 위한 연주 특징을 분석함으로써 이와 같은 한계에서 벗어난 새로운 분석 방법을 제안한다. 연구에 사용하기 위한 데이터로 클래식 피아노 연주 데이터를 수집하였으며, 연주의 특성을 나타낼 수 있는 여러 특징들을 정의하여 통계적 피처들로 압축하였다. 그 중 유의한 피처들을 머신 러닝 방법론을 사용하여 선별하였고, 특정 연주 피처들이 감정 표현을 효과적으로 나타냄을 입증하였다. 또 한 각 피처가 감정 표현에 미치는 영향을 분석하여, 특정 감정을 나타내는 데에 유의한 역할을 하는 피처들을 구별하였다. 나아가 머신 러닝 방법론과 인공신경망을 이용하여 전체 연주의 감정이 분류 가능함을 확인하 였고, 곡의 구간을 고려한 인공신경망 알고리즘을 사용하여 학습된 분류 결과를 확인하였다. 이 과정에서 곡의 시대별 특징과 작곡가에 의한 구성적 특징이 감정 표현에 유의하게 작용할 수 있음을 밝혔으며, 곡의 구성적특징에따른노이즈가감정분류에영향을미칠수있음을확인하였다. 이결과들은각연주특징이 실제 연주에 어떠한 영향을 미치는지와 그 중 어떤 특징이 더 중요한지를 보여주며, 연주자가 경험적으로 인지하고 사용하는 표현적 특징들을 정량화하였음을 시사한다.
