Geri Dön

Hit song prediction using feature-based machine learning

Özniteliğe dayalı makine öğrenmesi ile hit şarkı tahmini

PDF İndir

  1. Tez No: 598557
  2. Yazar: ANIL ORHAN ÇALIŞKOL
  3. Danışmanlar: DOÇ. DR. ARZUCAN ÖZGÜR TÜRKMEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Makine öğrenmesi, Makine öğrenmesi yöntemleri, Machine learning, Machine learning methods
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Müzik endüstrisi her yıl hit şarkıları üretmek için büyük yatırımlar yapıyor. Dijital platformlarda artan şarkı sayısı, şarkıları tahmin etmek ve ortak özelliklerini tanımlamak için öğrenme modellerinin geliştirilmesini sağlayabilir. Bu tez, çeşitli makine öğrenmesi yöntemleri kullanılarak bir şarkının hit veya hit olmayan olarak sınıflandırılmasını inceler. Spotify tarafından sağlanan temel müzikal özniteliklerin yanı sıra, müzik teorisinden yararlanılarak müzik dosyalarından elde edilen akor ve melodilere dayanan daha karmaşık öznitelikler tasarlandı. Akora dayalı öznitelikleri ton uyumuna dayalı önemli akor yürüyüşleri kullanılarak oluşturulurken, melodiye dayalı öznitelikler sezgisel bir şekilde tasarlanmıştır. Ayrıca, dans ve rock müzik türlerinden hem hit hem hit olmayan şarkılar kullanılarak yeni veri setleri oluşturulmuştur. Temel müzik özniteliklerinin akor ve melodi bazlı özniteliklerle birlikte kullanılmasıyla ortaya çıkan sonuçlar, bu özniteliklerin hit şarkı tahmin performansında iyileşmeye yol açabileceğini göstermektedir. Rock şarkıları için, Rassal Orman sınıflandırıcısı bu öznitelikleri kullanarak sonuçlarda istatistiksel olarak anlamlı bir gelişme sağlamıştır. Destek Vektör Makinesi sınıflandırıcısı ile belirli bir öznitelik kombinasyonunun kullanılmasının, hit dans şarkıları tahmininin doğruluk puanını arttırdığı gözlemlenmiştir. Ayrıca, bu çalışmada kullanılan tüm öznitelikler bu çalışmanın son bölümünde her veri kümesi için analiz edilmiştir.

Özet (Çeviri)

Music industry is making big investments every year to produce hit songs. The increasing number of songs available through digital platforms can enable the development of learning models for predicting hit songs and identifying their common features. This thesis investigates classifying a song as hit or non-hit by using various machine learning methods. Besides the basic musical features provided by Spotify, more complex features based on the chords and melody extracted from the music files by utilizing music theory information are designed. Chord based features are created using the important chord progressions based on tonal harmony, while the features based on melody are designed in an intuitive way. In addition, new benchmark datasets are created by using both hit and non-hit songs from dance and rock music genres. The results show that using chord and melody based features with the basic musical features may lead to an improvement in hit song prediction performance. For rock songs, the Random Forest classifier achieves a significant improvement on the results by using these features. It is also observed that using a specific feature combination with Support Vector Machine classifier increases the accuracy score of hit dance song prediction. Furthermore, all the features used in this study are analyzed in the last part of this study for each dataset.

Benzer Tezler

  1. Tez No

    455359

    Doğal taş fabrikalarında kullanılan dairesel testereli blok kesme (S/T) makineleri için performans tahmin modelinin geliştirilmesi

    Development of performance prediction model for block-cutting (S/T) machines with circular saws used in natural stone factories

    KAMİL CENGİZ ÇEVİM

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Maden Mühendisliği ve Madencilikİstanbul Teknik Üniversitesi

    Maden Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DENİZ TUMAÇ

  2. Tez No

    507902

    Marshall deneyi sonuçları için oluşturulan tahmin modellerinin incelenmesi

    Investigation of forecast models for Marshall experimental results

    DİLAY DURAN AŞKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İnşaat Mühendisliğiİskenderun Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK CANSIZ

  3. Tez No

    143072

    Elektromagnetik dalgaların rezistif yan duvarlı bir oluktan saçılımı

    Electromagnetic wave scattering from a rectangular groove with resistive walls

    DEMET SEVİL ARMAĞAN ŞAHİNKAYA

    Doktora

    Türkçe

    Türkçe

    2003

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. EREN ERDOĞAN

  4. Tez No

    711403

    Production of phenylpyruvic acid and phytase by microbial fermentation

    Fenilpirüvik asit ve fitazın mikrobiyal fermantasyonla üretimi

    HASAN BUĞRA ÇOBAN

    Doktora

    İngilizce

    İngilizce

    2014

    BiyomühendislikThe Pennsylvanıa State Unıversıty

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. ALİ DEMİRCİ

  5. Tez No

    774214

    Sustainable treatment of boron from geothermal water by recycled mussel shell waste

    Jeotermal sudan sürdürülebilir bor giderimi için geri dönüştürülmüş midye kabuğu atığının kullanılması

    ELİF SEVEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Kimya MühendisliğiEge Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İDİL YILMAZ İPEK

Geri Dön