دانشگاه قم
دانشکده مهندسی فناوری اطلاعات
عنوان:
طراحی سیستم پیشنهاددهنده موسیقی ایرانی با بهره گرفتن از داده‌کاوی
استاد راهنما:
دکتر بهروز مینایی
استاد مشاور:
دکتر یعقوب فرجامی
تکه هایی از متن پایان نامه به عنوان نمونه :
(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)
فهرست مطالب:
فصل اول:مقدمه
1-1 مقدمه…………………………………………………………………………………………………………………….2
1-2تعریف مساله…………………………………………………………………………………………………………….2
1-3اهداف و دستاوردها…………………………………………………………………………………………………….4
1-4ساختارپایان نامه……………………………………………………………………………………………………..5
فصل دوم: بر متون گذشته مرور
2-1 مقدمه……………………………………………………………………………………………………………………8
2-2موسیقی و ویژگی‌های آن………………………………………………………………………………………..8
2-2-1موسیقی چیست…………………………………………………………………………………………………..8
2-2-2 ویژگی‌های صوتی موسیقی……………………………………………………………………………….9
2-2-3 تولید موسیقی………………………………………………………………………………………………..10
2-3استخراج ویژگی‌های محتوایی از فایل صوتی……………………………………………………..13
2-3-1انواع ویژگی‌ها…………………………………………………………………………………………………13
2-3-2 تقسیم بندی ویژگی‌ها از نظر طول فریم…………………………………………………….27
2-4 مجموعه داده‌ها…………………………………………………………………………………………………….28
2-5ردهبندی موسیقی………………………………………………………………………………………………28
2-5-1 ردهبندی………………………………………………………………………………………………………..28
2-5-2 ردهبندی در متون گذشته……………………………………………………………………………..31
2-6سیستم‌هایپیشنهاددهنده………………………………………………………………………………….35
2-6-1انواع سیستم‌های پیشنهاددهنده………………………………………………………………….35
2-6-2سیستم‌های پیشنهاد دهنده موسیقی……………………………………………………………37
2-7 نتیجه……………………………………………………………………………………………………….38
فصل سوم:روش پیشنهادی
3-1مقدمه…………………………………………………………………………………………………………..40
3-2 تولید مجموعه داده از موسیقی ایرانی…………………………………………………………..41
3-2-1 جمع‌آوری داده‌ها و فرا داده‌ها و پیش پردازش…………………………………………………….41
3-2-2 استخراج ویژگی‌ها………………………………………………………………………………………….42
3-2-3 ویژگی‌های مجموعه داده‌ها……………………………………………………………………………43
3-3 ویژگی Area Method Of Moment of MFCC……….………………………………..
3-3-1عملگر Area Method Of Moment…….……………………………………………..
3-3-2روش محاسبه Area Method Of Moment of MFCC……………………………..
3-4معرفیمعیار شباهت پروفایل جدید…………………………………………………………………………49
3-4-1 معیار شباهت پروفایل…………………………………………………………………………………….50
3-5برنامه کاربردی پیشنهاددهنده موسیقی……………………………………………………………………52
3-5-1 پیشنهاد دهی بر اساس شباهت موسیقی……………………………………………………..55
3-5-2 پیشنهاد دهی بر اساس شباهت پروفایل……………………………………………………….56
3-6نتیجه…………………………………………………………………………………………………….57
فصل چهارم: ارزیابی
4-1مقدمه……………………………………………………………………………………………………………….59
4-2ارزیابی برتریمجموعه داده تولید شده……………………………………………………………….59
4-3ارزیابیویژگیArea Method Of Moment of MFCC…………………………………………………..
4-3-1ردهبندی سبک………………………………………………………………………………………………61
4-3-2ردهبندی دستگاه‌های موسیقی سنتی…………………………………………………………..66
4-3-3پیشنهاددهی با بهره گرفتن از ویژگی Area Method Of Moment of MFCC……………………..
4-4ارزیابی معیارشباهتپروفایل……………………………………………………………………………….69
4-5نتیجه…………………………………………………………………………………………………69
فصل پنجم:نتیجه گیری و کارهای آینده
5-1مقدمه…………………………………………………………………………………………………………71
5-2دستاوردهای تحقیق………………………………………………………………………………………72
5-3محدودیتهای تحقیق……………………………………………………………………………………..73
5-4کارهای آینده……………………………………………………………………………………………73
چکیده:
به دلیل رشد بی‌رویه فایل‌های موسیقی و ایجاد کتابخانه‌های عظیم دیجیتال، بازیابی اطلاعات موسیقی و سازماندهی آن بر اساس نوع ژانر یا خواننده و یا حالت و … تبدیل به چالشی مهم شده است. علاوه بر آن افراد ذائقه‌های مختلفی در انتخاب موسیقی دارند و یا در شرایط مختلف نیازهای متفاوتی به نوع و حالت موسیقی دارند که با توجه به حجم زیاد موسیقی یافتن فایل‌هایی که مرتبط با ذائقه و یا نیاز افراد باشد کاری دشوار به نظر می‌رسد از همین روست که در سال‌های اخیر توجه خاصی به بازیابی اطلاعات موسیقی شده است. هم اکنونفراداده‌یی نظیر نام فایل، خواننده، اندازه فایل، تاریخ وژانر به صورت معمول در ردهبندی و بازیابی این رکوردها مورد استفاده قرار می‌گیرد. اما این دسته‌بندی‌ها پاسخ‌گوی نیاز دنیای امروز نیست.
هدف اصلی این پایان نامه بهبود روش‌های پیشنهاددهی موسیقی با بهره گرفتن ازویژگی‌هایمحتواییو همچنین مدیریت پروفایل‌های مشتری میباشد. در راستای دست یافتن به این هدفرده‌بندی فایل‌های موسیقی در کلاس‌هایی مانند خواننده و ژانر و یافتن موسیقی‌هایی که از نظر موسیقیای به هم شباهت دارند و همچنین پیشنهاد بر اساس مشتری‌هایی که ذائقه‌های مشترک دارند را می‌توان به خدمت گرفت. در این پایان‌نامه در جهت رسیدن به اهداف ذکر شده، یکی ازکارهای انجام گرفته یافتن یک ویژگی ردهبندی جدید به نام Area Method of Moment میباشد. این ویژگی بالاترین درصد کارایی را در ردهبندی ژآنر به دست داده است. علاوهبراین، با بهره گرفتن از همین ویژگی‌هایی که نشان‌دهنده یک ویژگی موسیقیای خاص است میزان شباهت فایل‌های موسیقی به هم اندازه‌گیری شده و به کاربران پیشنهاد شده که با توجه به بازخورد کاربران به ارزیابی میزان صحت می‌پردازد. در ادامه برای به خدمت گرفتن روش Collaborative flittering به ارائه معیاری جدید در یافتن شباهت میان پروفایل‌هامی‌پردازیم. به دلیل این که هدف اصلی این پایان‌نامه کار کردن بر روی موسیقی ایرانی است، بنابراین به علت عدم وجود مجموعه داده مناسب، برای شروع مناسب، ایجاد مجموعه داده مناسب در اولویت تحقیق قرار گرفته است. شایان ذکر است که برای ارزیابی و دریافت بازخورد مشتریان، برنامه کاربردی با ویژگی‌های مذکور پیاده سازی شده است.
از آنجایی که در دنیای رقابتی امروز یافتن موسیقی مورد پسند افراد در صنعت فروش موسیقی از اهمیت بالایی برخوردار استروش‌های پیشنهاد شده در این تحقیق می‌تواند بسیار کاربردی باشد. با توجه به نتایج به دست آمده دراین تحقیق، امید آن میرود که کمپانی‌های فروش موسیقی آن‌ها را در سطح تجاری مورد استفاده قرار دهند. همچنین روش‌های ارائه شده در این سیستم پیشنهاددهنده می‌تواند برای سایر سیستم‌های پیشنهاددهنده نیز مورد استفاده قرار گیرد.
فصل اول: مقدمه
1-1- مقدمه
موسیقی فراتر از تعریف در الفاظ است و شگفتی آن نیز در همین است. موسیقی جبران ناكامی‌های زبان است و شیوه‌ای برای بیان احساسات ناملموس. احساساتی كه نمی‌دانیم چه هستند.آن جا كه زبان از گفتن باز می‌ماند، موسیقی مأمنی می‌شود برای روح، و زبانی می‌شود برای بیان احساسات و ناگفته‌های ناشناخته. موسیقی، سرچشمه‌ای از درون انسان دارد.
در طول تاریخ موسیقی همواره به عنوان قسمتی از زندگی انسان نقش خود را ایفا کرده است. امروزه نیز با در دسترسبودن ابزار قابل حمل پخش موسیقی و سایر ابزار ذخیره فایل‌های موسیقی این نقش پررنگ‌تر شده است. همچنین رشد بی سابقه موسیقی در سال‌های اخیر لزوم ایجاد روشی برای مدیریت این فایل‌هارا ضروری می کند. در این تحقیق به ارائه روش‌هایی برای مدیریت اتوماتیک موسیقی با بهره گرفتن از تکنیک‌های داده کاوی می‌پردازیم.
2-1- تعریف مسئله
هر ساله به تعداد فایل‌های موسیقی که در فرمت دیجیتال تهیه می‌شود افزوده می‌شود که به موجب آن امروزه افراد با حجم عظیمی از فایل‌های موسیقی روبه رو هستند. هر شخص مجموعه کامل و بزرگی از موسیقی برای خود ایجاد می‌کند و حتی در ابزارهای قابل حمل پخش موسیقی به همراه خود دارد.بنابراین نیاز زیادی به تعامل – یافتن موسیقی مورد نظر، ایجاد مجموعه لیست‌ها با ویژگی‌هایی خاص، یافتن موسیقی‌هایی که شبیه به هم هستند- با مجموعه‌های ایجاد شده احساس می‌شود. کتابخانه‌های دیجیتال موسیقی باید توانایی ارتباط دو سویه و تعامل با کاربران خود را داشته باشند. بنا بر این تعامل کاربر با مجموعه‌های موسیقی و یا کتابخانه دیجیتال تبدیل به چالش در دنیای دیجیتال شده است. در مجموعه‌های بزرگ موسیقی مدیریت فهرست‌های متنی بسیار زمان‌بر است. این مهم خود محرکی برای سازماندهی مجموعه‌های بزرگ موسیقی میباشد.
از نقطه نظر دیگر هر کاربر طبع مخصوص به خود در انتخاب موسیقی دارد. دسته‌بندی‌های از پیش تعریف شده مانند ژانر و یا خواننده می‌تواند گره‌گشا باشد اما ترجیحات شخصی فرد را به حساب نمی‌آورد کما این که ممکن است این دسته‌بندی‌ها برای تمامی فایل‌ها به صورت پیش فرض وجود نداشته باشد و ردهبندی فایل‌های موسیقی در ژانرهای مختلف خود چالشی دیگر است. شنونده موسیقی باید بتواند دسته‌بندی‌های شخصی خود را داشته باشد.به طور مثال در مقاله]1[به منظور برآورده نمودن این هدف سیستمی ارائه شده است که با گرفتن یک نمونه با بهره گرفتن از ردهبندی هوشمند کل پایگاه داده را بر اساس ترجیح کاربر ردهبندی می کند.
به موازات رشد حجم فایل‌ها علاقه رو به رشدی در زمینه توسعه و ارزیابی سیستم‌های بازیابی اطلاعات موسیقی به وجود آمده است. ردهبندی کامپیوتری فایل‌های موسیقی یکی از فعالیت‌های مهم در زمینه بازیابی اطلاعات موسیقی[1] است. ردهبندی یک فعالیت استاندارد یادگیری ماشین است که معمولا شامل پیش‌بینی یک خروجی بر اساس یک ورودی است. ردهبندی امکان تعامل با مجموعه موسیقی در مسیرهای جدید را ایجاد می‌کند. پروژه‌های مختلفی در زمینه ردهبندی شامل تشخیص ژانر، خواننده، حالت، ابزار موسیقی، تولید لیست پخش و… انجام شده است.
یکی از مهم‌ترین سرویس‌ها برای رهایی کاربران از این حجم عظیم اطلاعات سیستم‌های پیشنهاددهنده موسیقی است. این سیستم‌ها، امکان انتخاب موسیقی‌های مورد علاقه را برای کاربران ایجاد می‌کند. سرویس پیشنهاددهنده مواردی را که ممکن است مورد پسند کاربر قرار بگیرد را بر اساس پیش تعریف‌های کاربر و یا با دسترسی به پیشینه کاربر، پیشنهاد می‌دهد.
هدف از انجام این پروژه ارائهراهکاریباکاراییبالادر ردهبندی فایل‌های موسیقی در زمینه‌های مختلف با بهره گرفتن از ویژگی‌های سطح بالا (ویژگی‌های موسیقیایی) و سطح پایین (ویژگی‌های آماری سیگنال‌های صوتی) و در نهایت استفاده از آن در ارائه یک سیستم پیشنهاددهنده کارا است،که برای پیشنهاددهی از ویژگی‌های محتوایی (همان نتایج به دست آمده از ردهبندی موسیقی) و محیطی( شباهت ذائقه موسیقی افراد مختلف)مورد استفاده قرار می‌گیرد. هدف مورد انتظار بهبود روش‌های ارائه شده ردهبندی فایل‌های موسیقی با توجه به زمینه مورد نظر در ردهبندی و استفاده از آن در ارائه یک سیستم پیشنهاددهنده است. نتایج به دست آمده از این تحقیق می‌تواند به طور کلی توسط فروشندگان، کتابخانه‌ها، موسیقی‌دانان و شنوندگان مورد استفاده قرار گیرد. می‌توان از این سیستم در صدا و سیما به منظور انتخاب موسیقی برای مناسبت‌های مختلف و یا شرایط جوی مختلف استفاده نمود.می‌توان این سیستم در فروشگاه‌ها و آرشیوهای موسیقی به منظور سازماندهی و پیشنهاد بهترین موسیقی به خریدار مورد استفاده قرار گیرد.از این سیستم می‌توان برای استفاده شخصی به منظور سازمان دهی و ایجاد آرشیوهای شخصی بهره برد.استفاده خاص در محیط‌های عمومی مانند کافی‌شاپ‌ها و رستوران‌ها در انتخاب موسیقی مناسب برای پخش در پس زمینه. استفاده از سیستم در انتخاب موسیقی‌های مورد نظر پزشکان در درمان بیماری‌ها با بهره گرفتن از موسیقی (موسیقی درمانی).استفاده خاص برای سازمان‌هایی همانند ایرانسل که به ارائه آهنگ برای جلب مشتری می‌پردازند.
[1]Music Information Retrieval
تعداد صفحه : 98
قیمت : 14700 تومان
