| 研究課題/領域番号 |
25540168
|
|---|
| 研究種目 |
挑戦的萌芽研究
|
| 配分区分 | 基金 |
|---|
| 研究分野 |
エンタテインメント・ゲーム情報学
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
武田 一哉 名古屋大学, 情報科学研究科, 教授 (20273295)
|
|---|
| 研究協力者 |
川渕 翔太 名古屋大学, 大学院情報科学研究科
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2015-03-31
|
| 研究課題ステータス |
完了 (2014年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2014年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
2013年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
|
|---|
| キーワード | 主観的類似度 / 回答行列 / 感性情報 / 音楽情報処理 / 選考行列 / 多次元尺度解析 / 数量化理論 / 線形判別モデル / 音楽推薦 |
|---|
| 研究成果の概要 |
RWC 研究用音楽データベースの「ポピュラー音楽」から選択された 200 の楽曲ペアに関して 27 名の被験者が類似度を評価した．全体的な類似度とは別に，メロディ，テンポ・リズム，声質，楽器構成についての類似度も収集した．回答結果の分析から，「似ている／似ていない」の判断境界が個人毎に大きくばらつくことが示唆された．個人に最適化された楽曲間距離関数（重み付けユークリッド距離）を学習することで個人毎に主観的な楽曲間類似度を推定する実験を行った．その結果，距離関数の学習によって「声質」に関する類似性推定の精度が向上したことから，重み付けユークリッド距離を用いた個人適応の効果が明らかになった．
|
