Akustik özellikler kullanan müzik öneri sistemi

Abstract

İnternetin yaygın kullanımı nedeniyle, her türden veriye eri¸sen cihazlarla internete erişmek çok daha kolay ve ekonomik hale gelmiştir ve bu da çoklu ortam uygulamaları için yeni gelişmelere yol açmıştır. Bu gelismeler son kullanıcı, eser sahibi ve müzik yayını yapan platformlar için yeni gereksinimler ortaya çıkarmaktadır. Müzik türü sınıflandırma, müzik önerisi ve müzik benzerligi bu gereksinimlerin bazılarıdır. Müzik yayını yapan platformlar ve uygulamalar kullanıcılarına daha fazla müzik satışı yapmak ve platformlarının saygınlıklarını artırmak için müzik öneri sistemlerine gereksinim duymaktadırlar. Bu gereksinimi karşılayabilmek için; kullanıcının müzik dinleme geçmişi ile birlikte sanatçı adı ve müzik türü gibi bazı üst-veriler kullanılmaktadır. Müzikle kıyaslandıgında; sayısal müzik sistemlerinin müzige nispeten daha yeni hayatımıza girmesi sebebiyle, sayısal müzik sistemlerinin ortaya çıkmasından önce var olan müziklere ait üst veriler yoktur. Hatta, bazı güncel sayısal müzikler için bile üst-veriler mevcut olmayabilir. Bu tür durumda, müzik türü sınıflandırması ve müzik önerisi için müziğin akustik özellikleri kullanılabilir. Ayrıca, bu yaklaşım üst verisi olan müziklerin sınıflandırılmasında ve sonuçların iyilestirilmesi için ek bir özellik olarak da kullanılabilir. Bu tez çalışması kapsamında müzik önerisi, müzik benzerligi ve müzik türü sınıflandırma problemlerinde kullanmak için müzikten akustik özelliklerin çıkarılması gerçekle¸stirilmi¸stir. Bu bağlamda sayısal işaret işleme, makine öğrenmesi ve derin öğrenme yöntemleri kullanılmıştır. Sayısal işaret işleme açısından, zaman - frekans analizi yöntemleri ve bu yöntemlerde kullanılan parametrelerin müzik türü sınıflandırma ba¸sarısına etkisi ara¸stırılmı¸stır. Sınıflandırma ba¸sarısına anlamlı bir katkının olup olmadığını gözlemlemek için dalgacık dönüşümü teknikleri sayısal işaret işleme başlığı kapsamında ayrıca incelenmistir. Diğer yandan, kullanımı gittikçe yaygınlaşan derin öğrenme yöntemleri akustik özellik çıkarımı ve müzik türü sınıflandırma amacıyla araştırılmış ve bu amaçla farklı evrişimsel sinir ağları tasarlanmıştır. Aynı türden müziğin tespit edilmesi akustik özellikler kullanan müzik önerisi sistemi için ölçüt olarak kullanılmıştır. Bu ölçüte göre önerilen yöntemlerin ba¸sarımları karşılaştırılmıştır. Derin öğrenme yöntemleri ile elde edilen sonuçların geleneksel sayısal işaret işleme yöntemlerine göre daha başarılı olduğu gözlemlenmiştir. Bu çalı¸smada Turkcell tarafından Fizy uygulamasına eklenecek olan akustik öneri motorunun teorik ve uygulamalı altyapısı gelistirilmistir. Önerilen model tabanlı sınıflandırma sistemi, etiketsiz (ya da üst verisi bulunmayan) veriler üzerinde kullanılarak girdi olarak verilen bir müziğe benzer müzikleri tavsiye edebilmektedir.