메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
김종화 (제주한라대학교)
저널정보
한국차세대컴퓨팅학회 한국차세대컴퓨팅학회 논문지 한국차세대컴퓨팅학회 논문지 제19권 제3호
발행연도
2023.6
수록면
74 - 82 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
급격하게 증가하는 음악화일의 효율적인 검색을 위해서는 신뢰있고 세분화 된 메타데이터가 요구된다. 특히, 음악을 듣는 주요 동기가 기분전환, 추억 등의 감성적 효과를 얻기 위함이므로 음악의 장르적 분류와 함께 감성적 분류도 매우 중요하다. 하지만 모든 감성 관련 응용에서 그렇듯이 사용자의 감성에 맞지 않는 분류나 추천을 주었을 때 그 결과는 다른 오류에 비교하여 더 큰 사용자의 반감과 실망을 초래하기에 감정인식의 정확도는 결정적이다. 전통적인 기계학습 모델에 더하여 최근에는 다양한 심층신경망 모델이 적용되면서 많은 연구 결과들이 보고되고 있다. 하지만 그 모델들의 정확도는 사용된 데이터셋에 제한적일 수 밖에 없고 일반화된 성능평가를 위한 벤치마크 데이터셋에 대한 보고는 아직 없다. 본 논문에서는 음악 감성과 장르 분류를 위한 표준 데이터셋 구축을 위하여 소수 전문가가 아닌 다수 일반인의 온라인 라벨링을 통하여 데이터셋을 구축하고, MPEG-7 오디오 표준에 따르는 특징값들을 추출하였으며, 통계 및 인공신경망 기반의 다양한 기계학습 모델을 적용하여 자동 분류를 수행하고, 그 결과를 통해 제안된 데이터셋의 적합성을 평가한다.
#음악 감성 분류 #음악 장르 분류 #기계학습 #심층신경망 #music emotion classification #music genre classification #machine learning #deep neural network

목차

등록된 정보가 없습니다.

참고문헌 (0)

참고문헌 신청
참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0