기계 학습 방법에 의한 내용 기반 음악 유사성 판별 시스템

Abstract

최근 인터넷 보급의 확대와 통신 속도의 향상으로 인해, 모바일 환경에서도 언제든지 원하는 음악을 쉽게 찾아 들을 수 환경이 되었다. 이에 따라 자연스레 음악 검색 기술에 대한 수요와 그 응용 범위 및 시장의 크기가 급속하게 늘어나고 있다. 이렇게 음악이 현대인의 생활에 파고들면서, 예전보다 훨씬 많은 양의 음악이 쏟아져 나오고 있다. 따라서 저작물에 대한 권리가 보호되어야 할 필요성이 더욱 대두되고 있으며, 음악의 유사도(music similarity)를 객관적으로 측정하고자 하는 산업계의 요구가 높아지고 있다.

두 음악 사이의 유사도를 측정하는 데에는 다양한 특성(feature) 들을 이용할 수 있다. 박자, 빠르기, 음색, 화음, 장르, 조성, 멜로디, 가사 등 음악이 가지는 요소들을 모두 종합적으로 분석해서 비교하는 것이 가장 이상적이라 할 수 있다. 하지만, 현실적으로 비교 대상이 되는 특성들이 많아질수록 오히려 좋지 않은 영향을 줄 수 있기 때문에, 앞서 열거한 여러 가지 특성 중에 분석에 도움이 되는 특성들을 취사선택해야 할 것이다.

음악의 유사도를 측정하고, 유사한 부분을 찾아내는 것에 대한 연구는 기존에도 이미 진행된 바가 있다. 하지만 기존 연구에서는 앞서 언급한 다양한 특성들을 직접적으로 비교하는 데에 초점이 맞추어져 있었기 때문에, 정작 청취자가 어떠한 특성 또는 그것들의 조합으로 인해서 두 음악을 비슷하다고 느끼는지에 대한 인지적 요소는 고려되지 않았다. 그렇기 때문에, 실제로 두 음악을 비교하면서 들었을 때 느끼는 유사도가 시스템에 의해 산출된 유사도와 서로 상이한 경우가 많았다. 따라서 본 연구의 목표는 음악에서 다양한 특성들을 추출하고, 이들 중 음악 유사도 판별에 유용한 특성들을 찾아서 사용함으로써, 보다 인지적으로 수긍할 만한 유사성 판별 시스템을 제안하는 것이다.

본 연구에서 제안하는 음악 유사성 판별 시스템(music similarity detection system)은 사람이 직접 두 개의 노래를 듣고 유사 여부를 평가한 뒤에, 노래에서 여러 가지 특성들을 추출하고 기계 학습 방법을 통해서 이를 학습시키는 방법으로 구성된다. 이렇게 학습된 분류기는 두 개의 음악에서 일정 구간을 입력으로 받아서 유사 여부 및 유사도를 출력하게 된다. 두 곡의 음악에서 각각 추출한 일정 길이의 구간에 대해서 모든 가능한 조합을 생성하고, 이렇게 산출된 유사도를 1차원으로 정렬하면 가장 유사한 구간을 찾을 수 있다.

음악의 유사성을 측정하는 것은 학술적으로도 의미가 있지만, 다양한 분야에 응용할 수 있다는 점에서 더 큰 의의가 있다. 먼저, 앞서 언급한 것처럼 음악의 창작 행위에 대한 권리를 보호하기 위해서, 두 개의 음악이 얼마나 유사한지를 판단할 수 있게끔 객관적인 기준을 제시해 줄 수 있다. 또한, 더 나아가서 작곡가에게도 자신의 창작물이 다른 창작물의 권리를 의도치 않게 침해하고 있지는 않은지 검토하는 데에도 응용 될 수 있을 것이다. 음악의 창작뿐만 아니라 감상에 있어서도, 청취자로 하여금 자신이 좋아하는 음악과 비슷한 음악을 찾는다거나 유사한 음악들로 재생 목록을 생성하는 등의 응용이 가능할 것이다.

Expansion of internet and advancement in mobile communication has increased our accessibility to music. Now, we can listen and find music regardless of our locations and circumstances. As a result, the demand for a music search technology, the market and its applications are growing rapidly. As the music becomes more available and takes bigger parts in our daily lives, the issue of protecting music copyrights is emerging. The music industry is seeking objective ways to measure the music similarity.

When measuring similarity between two musical pieces, a variety of musical features need to be considered. Ideal measurement of music similarity should take account of all the music features, such as rhythm, tempo, timbre, harmony, genre, composition, melody, and lyrics. However, using too many features sometimes have negative effect on the performance of music similarity measurement. Therefore, the selection of essential features is required.

The research on music similarity measurement and examining similar parts have previously been conducted. But most of the previous studies are only focused in direct comparison between various music features ignoring cognitive factors of listeners, leaving the person who is listening to the music unaware of which feature or combinations of features are making two music pieces sound similar to each other. Thus, there has been a gap between the music similarities that listeners feel and those measured by a system. The aims of this study are to extract various features from the music and to find the useful combinations of them for building more cognitive way to find the music similarity so that the listener's feeling of similarity and the actual measurement taken by the system become concurrent.

In the music similarity detection system proposed in this research, firstly, a person listens to two music pieces and evaluates the extent of similarity between them, then music features are extracted for machine learning of a classifier. This classifier will find the similar part of the two musics and the similarity between them. The system generates all the possible combinations from two equivalent segments extracted from each song, and by arraying the similarities, most similar parts between two music pieces can be found.

The significance of building a system for measuring music similarity goes beyond academical area in that it could be applied in the actual industry. As mentioned above, it presents an objective standard of examining how similar two music pieces are in order to protect copyrights of music. Futhermore, in the perspective of a music composer, the system can be applied for checking an unintentional violation of copyrights. Finding music similarity can be proven beneficial not only to composers, but also to listeners for discovering noble but taste-relative music.