Muziek modellering en profilering voor hitbeoordeling

Toon Raes
Persbericht

Muziek modellering en profilering voor hitbeoordeling

 

Elvis = Madonna !

Wat heeft “the King” gemeen met “the Queen of pop”? En waarom hebben Technotronic en The Rolling Stones dit ook terwijl uw lokale band het hopeloos mankeert? Het antwoord, naast geld waarschijnlijk, is muzikaal succes en nummer 1 hits. Maar waarom zij net slagen waar zovelen oorverdovend falen .... Is er een geheim ingredient of hitformule?

 

De zoektocht naar een geheime hitformule, of beter de 'muzikale gelijkheid' en hieruitvolgend de eventuele voorspelbaarheid van hits, begint natuurlijk bij de muziek, veel muziek. In eerste instantie werd er daarom ongeveer tweeduizend hits en niet-hits verzameld voor analyse. Een handmatige analyse van al deze muziek zou echter zelfs de meest doorgewinterde audiofiel doen zweten zodat de hulp van een (super)computer voor de muzikale analyse onontbeerlijk is.

Hier stelt zich echter onmiddelijk een probleem; computers liggen mijlenver achter op de muzikale perceptiekwaliteiten van de mens. De extractie van voor u en ik voor de hand liggende muzikale eigenschappen als bijvoorbeeld de bezetting, het tempo of het geslacht van de zanger/zangeres zijn voor een computer een bijna onneembare horde. Daarom wordt vetrokken van voor de computer makkelijkere beschrijvingen ,zoals bijvoorbeeld de gemiddelde frequentie of de evolutie van het geluidsvolume, die dan vervolgens gegroepeerd worden om een zo muzikaal relevant mogelijke beschrijving van elk liedje te bekomen.

 

Maar muziek is echter veel meer dan het geluid an sich, het heeft ook bij uitstek een sociale dimensie. Elvis' zijn vetkuif en heupbewegingen zijn bijvoorbeeld minstens even bekend dan zijn Hound Dog, en de impact van deze elementen op onze perceptie van muziek is niet te onderschatten (Boybands als Boyzone of Take That hadden het bijvoorbeeld bezwaarlijk enkel van hun muziek). Om deze sociale dimensie te meten en te kwantificeren kunnen we gelukkig gebruik maken van de grootste database ter wereld, het internet.

Verschillende sociale eigenschappen kunnen zo gevonden worden. Zo wordt bijvoorbeeld voor elk liedje het genre, een simpele en veelgebruikte 'sociale' muziekclassificatie, gebruikt, maar ook bijvoorbeeld de tags die mensen aan liedjes en artiesten geven op sociale muzieksites zoals Last.Fm worden verwerkt. Ook de onderlinge relaties van artiesten en liedjes vormen een belangrijke informatiebron van sociale informatie en worden geanalyseerd. Dit kan bijvoorbeeld aan de hand van het analyseren van muziekcollecties van gebruikers, maar ook bijvoorbeeld door gebruik te maken van 'Google afstanden'. Door het aantal resultaten van verschillende zoektermen in Google te vergelijken kan je immers een idee krijgen van hun belangrijkheid.

 

Het resultaat van de voorgaande anlyses is dat we voor elk liedje een beschrijving hebben opgebouwd die we vervolgens met elkaar kunnen vergelijken om het eventuele geheime hitingredient te kunnen ontsluieren. Deze vergelijking wordt uitgevoerd met de hulp van artificiele intelligentie, meer bepaald Least Squares Support Vector Machines. Deze software gaat voor elke hit kijken naar zijn verschillende eigenschappen en ook verschillende combinaties van deze eigenschappen, om deze dan vervolgens te vergelijken met de andere hits en zo te leren wat het eventuele geheime ingredient is wat een hit maakt of kraakt.

Wat de software juist leert is echter niet te achterhalen, op dit vlak is de computer iets bekwamer, maar hetgeen wat de software geleerd heeft kunnen we wel gebruiken om te voorspellen of een liedje een hit gaat worden of niet.

En dit werkt. Meer bepaald kunnen we voor 64% van de liedjes correct voorspellen of het een hit wordt of niet. (Ter interpretatie van het resultaat en een eventuele overwinning van het menselijke over het artificiele intellect, kan je eens proberen om voor honderd top100 liedjes ,waarvan 50 in de top tien, er voor meer dan 64 correct te voorspellen of ze in de top tien staan of niet).

 

Dat hitlijsten te voorspellen zijn is de stelling van menige discussie en dit is nu ook bevestigd. Maar minstens even belangrijk is hetgene dat hierdoor wordt bijgeleerd over de perceptie van muziek, zodat de droom van enkel (voor jouw) “goede” muziek op de radio weer wat dichterbij schuift. En daarnaast dus ook het feit dat Elvis, Madonna, Technotronic en The Rolling Stones op de ene of de andere manier gelijk zijn aan elkaar .... Of dit een goede of een slechte zaak is mag je zelf bepalen.

 

Bibliografie

Muziek modellering en profilering voor hitbeoordeling, Toon Raes, KUL 2008

Universiteit of Hogeschool
Burgerlijk elektrotechnisch ingenieur, Multimedia en signaalverwerking
Publicatiejaar
2008
Kernwoorden
Share this on: