Metadaten und Merkmale zur Verwaltung von Persönlichen Musiksammlungen (Low Res)

  • 942 views
Uploaded on

 

More in: Technology , Education
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
942
On Slideshare
0
From Embeds
0
Number of Embeds
1

Actions

Shares
Downloads
10
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Musikmetadaten und -merkmale Thomas Gängler Belegarbeit - Verteidigung Metadaten und Merkmale zur Verwaltung von persönlichen Musiksammlungen
  • 2. Musikmetadaten und -merkmale Thomas Gängler Aufgabenstellung Belegarbeit - Verteidigung # Darstellung von Anwendungsfällen im privaten Umfeld: > Persönliche Musiksammlungen als Anwendungsbereich # Untersuchung von Audio-Material-Analysetechniken und -Beschreibungsformen: > Charakteristische Merkmale und Metadatenstandards > Prozess der Merkmals- und Metadatenextraktion > Existierende Lösungen in diesem Bereich # Konzeption und prototypische Umsetzung einer Audio- Analyse-Komponente Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 02 / 24
  • 3. Musikmetadaten und -merkmale Thomas Gängler Agenda Belegarbeit - Verteidigung # Motivation # Anwendungsfälle auf private Musiksammlungen # Musikmerkmale und -metadaten # Merkmals- und Metadatenextraktion # Fazit und Ausblick Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 03 / 24
  • 4. Musikmetadaten und -merkmale Thomas Gängler Persönliche Musiksammlungen Belegarbeit - Verteidigung # Verlagerung in den Bereich digitaler Medien:  3INNESEMPÚNDUNG DER (APTIK RÔCKT IN DEN (INTERGRUND > Größe der Sammlungen steigt .EUE :UGANGSMÎGLICHKEITEN FÔR 6ERWALTUNG NOTWENDIG > Erfordern moderne Musikmerkmalsextraktionstechniken und Informationsanreicherungsmethoden # Anpassung an die Wahrnehmung des Benutzers Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 04 / 24
  • 5. Musikmetadaten und -merkmale Thomas Gängler Musikinformationsretrieval Belegarbeit - Verteidigung [01] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 05 / 24
  • 6. Musikmetadaten und -merkmale Thomas Gängler Anwendungsfälle Belegarbeit - Verteidigung # Ordnen # Orientieren # Suchen # Empfehlen # Wiedergabelisten- und Mixgenerierung # Verändern # Gemeinsam Benutzen Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 06 / 24
  • 7. Musikmetadaten und -merkmale Thomas Gängler Ordnen Belegarbeit - Verteidigung +LASSISCH +ÔNSTLERNAME
  • 8. !LBUMTITEL
  • 9. -USIKSTÔCKTITEL 3ICHTENBASIERT AKTUELLE ,IEBLINGSSTÔCKE
  • 10. ALLGEMEINE &AVORITEN
  • 11. !RCHIV
  • 12.   'RηE UND +ONTEXT BEEINÛUSST -ETADATENFELDERBEDARF -ODERN -USIKGENRE
  • 13. (ERKUNFTSLAND
  • 14. "ELIEBTHEIT
  • 15. 7IEDERGABEH¼UÚGKEIT
  • 16. 6ERÎFFENTLICHUNGSDATUM
  • 17.  # Individuelle Strategien: Musikkontext  )NHALTLICHE %IGENSCHAFTEN AKUSTISCH
  • 18. SUBJEKTIV # Möglichkeit der Mehrfachbelegung von Metadatenfeldern "ENUTZERPROÚL FÔR -USIKKONTEXTE UND /RDNUNGSSTRATEGIEN > Austausch- und portierbar Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 07 / 24
  • 19. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung +LASSISCH &ACETTENNAVIGATION
  • 20. #OVERBILD !NZEIGE # Modern:  +ONTEXTBASIERTE 3ICHTEN ,ANDKARTE
  • 21. :EITLEISTE
  • 22. Beziehungsnetz  'EO UND :EIT )NFORMATIONEN UND ZUGEHÎR 2ELATIONEN  -USIKKÔNSTLER
  • 23. GRUPPEN
  • 24. STÔCKE UND 2ELATIONEN  +ONTENTBASIERTE 3ICHTEN 3CHIEBEREGLER
  • 25. &ELDNAVIGATION  6AGEUNGENAUE BZW SUBJEKTIVE !NGABEN  -IX Z"  :EITLEISTE "EZIEHUNGSNETZ ZUS¼TZL )NFORMATIONEN   $ 2AUM AUF œHNLICHKEITSMATRIZEN INHALTLKONTEXT Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 08 / 24
  • 26. Musikmetadaten und -merkmale Thomas Gängler Suchen Belegarbeit - Verteidigung # Verbalisierte Anfrage: > Textanfrage )34 ODER gesprochene Anfrage 3/,, > Stichwortsuche )34 ODER Suche durch natürliche Sprache 3/,, # Anfrage mit Audioinhalt:  !NFRAGE DURCH -ELODIE 3INGEN
  • 27. 3UMMEN
  • 28. 
  • 29. +LOPFEN
  • 30. -USIKBEISPIEL 3/,, (YBRIDE !NFRAGE  6ERBALISIERTE !NFRAGE !NFRAGE MIT !UDIOINHALT 3/,, # Sehr viel Kontext- und Inhaltsinformationen benötigt # Anfragen oft unscharf formuliert Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 09 / 24
  • 31. Musikmetadaten und -merkmale Thomas Gängler Empfehlen Belegarbeit - Verteidigung œHNLICHKEITSMETRIKEN AUS > Gemeinschaftliches Filtern > Audiosignalanalyse (Inhaltsbasiertes Filtern > Metadatenanalyse (Kontextbasiertes Filtern  "ENUTZERPROÚLAUSWERTUNG -USIKGESCHMACKSPROÚL # Einbeziehung aller Musikmetadatentypen möglich # Probleme: Popularitätsverzerrung
  • 32. Kalt-Start-Problem # ,ÎSUNG SINNVOLLE +OMBINATION BZW !USWAHL UND 7ICHTUNGSMÎGLICHKEIT DER œHNLICHKEITSMETRIKEN  Z" %INBINDUNG EXISTIERENDER -USIKGESCHMACKSPROÚLE
  • 33. VORDEÚNIERTER 3TEREOTYPEN DEMOGRAÚSCHES &ILTERN Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 10 / 24
  • 34. Musikmetadaten und -merkmale Thomas Gängler Wiedergabelisten und Mixe Belegarbeit - Verteidigung # Private Wiedergabeliste vs formaler Mix > Präzise und vage Angabe von vielfältigen Informationen # Arten der Wiedergabelistengenerierung:  $URCHEINANDERGEMISCHT GGF TEILORDNUNGSERHALTEND  0ERSONALISIERT BZW CLEVER  !NFANGSWERT
  • 35. MusikkontextDEÚNITION
  • 36. !USWAHL 2EAKTIONS "EWERTUNGSFUNKTION FÔR !NPASSUNG [10] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 11 / 24
  • 37. Musikmetadaten und -merkmale Thomas Gängler Verändern Belegarbeit - Verteidigung 'RηE
  • 38. 3TRUKTUR
  • 39. /RT
  • 40. !RT DER -USIKSAMMLUNG UND STÔCKE  (INZUFÔGEN
  • 41. %NTFERNEN
  • 42. !RCHIVIEREN
  • 43. 3YNCHRONISIEREN
  • 44.   7ERKZEUGGESÔTZTE 6ERWALTUNG MIT (ILFE VON Z" Gebrauchs- und Benutzungsanalysen )NFORMATIONEN ÔBERZU -USIKSTÔCKEN  4EIL AUTOMATISIERTE %RG¼NZUNGEN KORREKTUREN AUF "ASIS DER JEWEILIGEN -USIKMETADATENTYPEN  7ERKZEUGGESTÔTZTE !NPASSUNGEN DURCH "ENUTZER > Musikkommentierungsspiele Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 12 / 24
  • 45. Musikmetadaten und -merkmale Thomas Gängler Gemeinsam Benutzen Belegarbeit - Verteidigung # Administrative Metadaten:  "ENUTZERPROÚLE FÔR ANGEPASSTE 3ICHTEN UND 3TATISTIKEN  :UGANGSKONTROLLE n0ARTY -ODUSo  &REIGABEN GEMEINSAMES !RCHIV > Digitales Ausleihen [11] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 13 / 24
  • 46. Musikmetadaten und -merkmale Thomas Gängler Anforderungen Belegarbeit - Verteidigung "EREITSTELLUNG
  • 47. 6ERARBEITUNG VON UMFANGREICHEN EXAKTEN und vagen Angaben in verschiedenen Bereichen > Ausnutzung semantischer Zusammenhänge "ENUTZERPROÚL FÔR !NPASSUNGEN
  • 48. 3TATISTIKEN # Anforderungen von derzeitig existierenden Programmen zur 6ERWALTUNG VON -USIKSAMMLUNGEN NOCH NICHT ERFÔLLT Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 14 / 24
  • 49. Musikmetadaten und -merkmale Thomas Gängler Musikmerkmale Belegarbeit - Verteidigung einfache Audiosignaleigenschaften physikalische Beschreibungen Frequenz, Spektrum, Intensität, Grobheit, Einschwingzeit, Dauer Lautheit, ... angereicherte Audiosignaleigenschaften perzeptuelle Eigenschaften raum-zeitliche Struktureigenschaften Tonhöhe, Tondauer, Harmonie, Rhythmus, Melodie, Klangfarbe Musikvortragsbezeichnungen Taxonomien Genre, Stimmung, Instrumente, ... Expertentaxonomien Folksonomien Industrietaxonomien, Internettaxonomien Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 15 / 24
  • 50. Musikmetadaten und -merkmale Thomas Gängler Musikgenretaxonomien Belegarbeit - Verteidigung +EINE ALLGEMEINGÔLTIGE -USIKGENRETAXONOMIE MÎGLICH # Arten von Musikgenretaxonomien:  %XPERTENTAXONOMIEN STARR DEÚNIERT
  • 51. HIERARISCH
  • 52. ALTERND  &OLKSONOMIEN ÛEXIBEL
  • 53. SCHNELL WACHSEND
  • 54. RIESIG > Ein dritter Ansatz:  4EIL !UTOMATISCHE +LASSIÚKATION 'RUPPIERUNG  Audiosignaleigenschaften + Expertentaxonomien + Folksonomien "ENUTZERPROÚL Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 16 / 24
  • 55. Musikmetadaten und -merkmale Thomas Gängler Musikmetadaten Belegarbeit - Verteidigung # Metadatentypen:  /BJEKTIV +ÔNSTLER
  • 56. -USIKSTÔCKTITEL
  • 57. !LBUMTITEL
  • 58.   3UBJEKTIV -USIKGERNE
  • 59. 3TIMMUNG
  • 60. "EKANNTHEITSGRAD
  • 61.  # Musikmetadatentypen:  2EDAKTIONELLE -ETADATEN PROFESSIONELL GEMEINSCHAFTLICH ERSTELLT Z" ADMINISTRATIVE $ATEN
  • 62. +ÔNSTLERBIOGRAÚEN  +ULTURELLE -ETADATEN DURCH +ULTUR -ILIEU ERZEUGT
  • 63. DH -USIK IN EINEM +ONTEXT Z" -USIKSTIL
  • 64. ¼HNLICHE +ÔNSTLER  !KUSTISCHE -ETADATEN 'RUNDTONART
  • 65. 4EMPO
  • 66. 2HYTHMUS
  • 67. -ELODIE
  • 68. +LANGFARBE
  • 69.  Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 17 / 24
  • 70. Musikmetadaten und -merkmale Thomas Gängler Musikmetadatenformate und - dienste Belegarbeit - Verteidigung &ORMATGEBUNDENE 3PEZIÚKATIONEN ID3
  • 71.  &ORMATUNABH¼NGIGE 3PEZIÚKATIONEN > MPEG-Standards: MPEG-7
  • 72. MPEG-21 > Ontologien: Music Ontology INKL %RWEITERUNGEN # Audiosignalträgerkatalogisierungsdienste: > CDDB
  • 73. freeDB
  • 74. MusicBrainz
  • 75. Discogs
  • 76. Allmusic
  • 77.  # Musikempfehlungs- und entdeckungsdienste: > Last.fm
  • 78. Pandora
  • 79. Amazon
  • 80. Rockanango 0ROJEKT
  • 81.  Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 18 / 24
  • 82. Musikmetadaten und -merkmale Thomas Gängler Musikmetadatenformate und -dienste Belegarbeit - Verteidigung 5NTERSTÔTZUNG UND 1UALIT¼T NACH -USIKMETADATENTYPEN redaktionelle kulturelle akustische formatgebunden ++ + MPEG-7 und -21 ++ + ++ Music Ontology +++ +++ +++ CDDB² + + + freeDB + MusicBrainz ++ ++ + Discogs +++ ++ Allmusic +++ ++ ++ Last.fm ++ +++ + Pandora ++ ++ ++ Amazon ++ + Rockanango ++ ++ ++ Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 19 / 24
  • 83. Musikmetadaten und -merkmale Thomas Gängler Merkmalsextraktion Belegarbeit - Verteidigung [12] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 20 / 24
  • 84. Musikmetadaten und -merkmale Thomas Gängler Audiosignalextraktion Belegarbeit - Verteidigung 2AHMENWERKE Musikdokument > MARSYAS
  • 85. CLAM
  • 86. Vamp Audiosignal # Programmiersprache: ChucK # Web Services: Signalabtastung > MUSCLE
  • 87. Echo Nest Analyse-/Texturfenster Direkte Statistiken STFT, Musikalischer DWT, Zeit-Frequenz-Transformation Spektralstatistiken VRT, ... Fingerabdruck Mel-Skala, Bark-Skala Perzeptionsmodelle Perzeptionsstatistiken Rhythmus, Tonhöhe, Histogramme Klangfarbe Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 21 / 24
  • 88. Musikmetadaten und -merkmale Thomas Gängler Metadatenextraktion Belegarbeit - Verteidigung Musikdokument Audiosignalanalyse Jaudiotagger, TagLib, Aperture, Metadaten Merkmalsvektoren Echo Nest, ... Web Services, Suchmaschinen, Metadatenanreicherung Musikinformationsseiten, SPARQL- Endpunkte, lokal bzw. privaten Multivariate Netzwerk, ... Analysemethoden, Maschinelles Lernen, Klassifikation, Einordnung, Ähnlichkeiten Ontologien Persönliche Musikwissensbasis Triple bzw. Quad Store, audioDB Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 22 / 24
  • 89. Musikmetadaten und -merkmale Thomas Gängler Fazit und Ausblick Belegarbeit - Verteidigung # Fazit: > Modellierung des Musikwahrnehmungs- und Verarbeits- prozesses ist komplex > Kombination der Merkmalsextraktionstechniken und !NPASSUNG AN DAS "ENUTZERPROÚL NOTWENDIG  5NSCH¼RFE UND !BSTRAKTION FÔR INTUITIVEN 5MGANG > Ontologiebasiertes Metadatenformat (Music Ontology FÔR FORMATGEBUNDENE UND UNABH¼NGIGE 3PEZIÚKATIONEN > Umfangreiche persönliche Musikwissensbasis als 'RUNDLAGE FÔR BESSERE "ENUTZUNG DER -USIKSAMMLUNG Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 23 / 24
  • 90. Musikmetadaten und -merkmale Thomas Gängler Fazit und Ausblick Belegarbeit - Verteidigung # Ausblick: > Implementierung einer persönlichen Musikwissensbasis > Ausnutzung des Web of Data FÔR 7ISSENSANREICHERUNG > Ontologiebasiertes Musikmetadatenformat in Musikdokumenten > Erweiterung der Music Ontology (Wiedergabelisten- MODELLIERUNG
  • 91. ERWEITERTES 6ERÎFFENTLICHUNGSKONZEPT > Optimierung der Extraktionsabläufe (VRT
  • 92.  UND %INORDNUNGS
  • 93. +LASSIÚKATIONS UND 2EGRESSIONSTECHNIKEN > Digitales Ausleihen  !NFRAGEN PER NATÔRLICHER 3PRACHE TEXTUELLMÔNDLICH Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 24 / 24
  • 94. Musikmetadaten und -merkmale Thomas Gängler Bilderverzeichnis Belegarbeit - Verteidigung ;= 8AVIER 3ERRA 3OUND AND -USIC $ESCRIPTION 0RESENTATION AT -USIC4ECHNOLOGY 'ROUP
  • 95. 5NIVERSITAT 0OMPEU &ABRA
  • 96. "ARCELONA
  • 97.  [02] Ausschnitt aufgenommen von der Sicht Cover Flow in iTunes ;= !USSCHNITT AUFGENOMMEN VON HTTPWWWLASTMUSICMAPCOM ;= 9VES 2AIMOND ! $ISTRIBUTED -USIC )NFORMATION 3YSTEM 0H$ THESIS
  • 98. 1UEEN -ARY
  • 99. 5NIVERSITY OF ,ONDON
  • 100. .OVEMBER  ;= !USSCHNITT AUFGENOMMEN VON HTTPAUDIOMAPTUNEGLUENET ;= !USSCHNITT AUFGENOMMEN VON HTTPÚNETUNESMUSICLENSDE ;= !USSCHNITT AUFGENOMMEN VON HTTPMUSICOVERYCOM ;= !USSCHNITT AUFGENOMMEN VON HTTPWWWSFUCAsJDYIMMUSICIAN-APMUSICIAN-APHTML [09] Ausschnitt aufgenommen von der Sicht MUÚN VISION in MAGIX MP3 Maker 15 ;= !NITA 3HEN ,ILLIE -USIC"OX .AVIGATING THE SPACE OF YOUR MUSIC -ASTERmS THESIS
  • 101. 3CHOOL OF !RCHITECTURE AND 0LANNING
  • 102. -ASSACHUSETTS )NSTITUTE OF4ECHNOLOGY
  • 103. 3EPTEMBER  [11] Beispiel ist von der Rent-Aktion abgeleitet; siehe HTTPRHIZOMIKNETsROBERTOTHESISHTML#ONCEPTUALISATIONHTML !CTION2ENT ;= 4RISTAN *EHAN #REATING -USIC BY ,ISTENING 0H$ THESIS
  • 104. 3CHOOL OF !RCHITECTURE AND 0LANNING
  • 105. -ASSACHUSETTS )NSTITUTE OF4ECHNOLOGY
  • 106. 3EPTEMBER  ;= HTTPIMSDEIUNIPDITWEBSITESCMSRESEARCHMUSICINFORMATION RETRIEVALHTML ;= ,UIS 'USTAVO 0EREIRA -ARQUES -ARTINS ! #OMPUTATIONAL &RAMEWORK FOR 3OUND 3EGREGATION IN -USIC 3IGNALS 0H$ THESIS
  • 107. &ACULDADE DE %NGENHARIA DA 5NIVERSIDADE DO 0ORTO
  • 108. 3EP  ;= -ICHAEL &INGERHUT -USIC )NFORMATION 2ETRIEVAL
  • 109. OR HOW TO SEARCH FOR AND MAYBE ÚND MUSIC AND DO AWAY WITH INCIPITS )N )NTERNATIONAL !SSOCIATION OF 3OUND AND !UDIOVISUAL !RCHIVES )!3! #ONFERENCE 
  • 110. /SLO
  • 111. .ORWEGEN
  • 112.  ;= 4HOMAS ,IDY %VALUATION OF .EW !UDIO &EATURES AND4HEIR 5TILIZATION IN .OVEL -USIC 2ETRIEVAL !PPLICATIONS -ASTERmS THESIS
  • 113. )NSTITUT FÔR 3OFTWARETECHNIK UND )NTERAKTIVE 3YSTEME
  • 114. 4ECHNISCHEN 5NIVERSIT¼T 7IEN
  • 115. 7IEN
  • 116. ®STERREICH
  • 117. $EZEMBER  ;= !LIAKSANDR 6 0ARADZINETS 6ARIABLE 2ESOLUTION4RANSFORM BASED -USIC &EATURE %XTRACTION AND THEIR !PPLICATIONS FOR -USIC )NFORMATION 2ETRIEVAL 0H$ THESIS
  • 118. %COLE #ENTRALE DE ,YON
  • 119.  Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 25 / 24
  • 120. Musikmetadaten und -merkmale Thomas Gängler Musikmetadatendiensteverzeichnis Belegarbeit - Verteidigung CDDB HTTPWWWGRACENOTECOM freeDB HTTPWWWFREEDBORG MusicBrainz HTTPMUSICBRAINZORG Discogs HTTPWWWDISCOGSCOM Allmusic HTTPWWWALLMUSICCOM Last.fm HTTPWWWLASTFMDE Pandora HTTPWWWPANDORACOM Rockanango HTTPWWWARISTOMUSICCOM Amazon HTTPWWWAMAZONCOM Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 26 / 24
  • 121. Musikmetadaten und -merkmale Thomas Gängler 2AHMENWERKE
  • 122. $IENSTE
  • 123. $ATENBANKEN Belegarbeit - Verteidigung MARSYAS 'EORGE4ZANETAKIS -ANIPULATION
  • 124. !NALYSIS AND 2ETRIEVAL 3YSTEMS FOR !UDIO 3IGNALS 0H$ THESIS
  • 125. #OMPUTER 3CIENCE $EPARTMENT
  • 126. 0RINCETON 5NIVERSITY
  • 127.  CLAM 8AVIER !MATRIAIN
  • 128. 0AU !RUMI
  • 129. AND $AVID 'ARCIA #,!- ! &RAMEWORK FOR %FÚCIENT AND 2APID $EVELOPMENT OF #ROSS PLATFORM !UDIO !PPLICATIONS )N 0ROCEEDINGS OF !#- -ULTIMEDIA 
  • 130. PAGES  q 
  • 131. 3ANTA "ARBARA
  • 132. #ALIFORNIA
  • 133. 53!
  • 134. /KTOBER  Vamp HTTPWWWVAMPPLUGINSORG ChucK 'E 7ANG
  • 135. 2EBECCA &IEBRINK
  • 136. AND 0ERRY 2 #OOK #OMBINING !NALYSIS AND 3YNTHSIS IN THE #HU+ 0ROGRAMMING ,ANGUAGE )N 0ROCEEDINGS OF THE  )NTERNATIONAL #OMPUTER -USIC #ONFERENCE )#-#
  • 137. +OPENHAGEN
  • 138. $¼NEMARK
  • 139.  MUSCLE HTTPWWWMUSCLE NOEORG EchoNest HTTPTHEECHONESTCOM Jaudiotagger HTTPWWWJTHINKNETJAUDIOTAGGERINDEXJSP Aperture HTTPAPERTURESOURCEFORGENETINDEXHTML TagLib HTTPDEVELOPERKDEORGsWHEELERTAGLIBHTML audioDB HTTPOMRASDOCGOLDACUKSOFTWAREAUDIODB Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 27 / 24
  • 140. Musikmetadaten und -merkmale Thomas Gängler -)2 IM +ONTEXT Belegarbeit - Verteidigung [13] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 28 / 24
  • 141. Musikmetadaten und -merkmale Thomas Gängler Musikwahrnehmung Belegarbeit - Verteidigung [14] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 29 / 24
  • 142. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung # Klassisch: > Facetttennavigation > Coverbild-Anzeige [02] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 30 / 24
  • 143. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung -ODERN KONTEXTBASIERTE 3ICHTEN  ,ANDKARTE  'EO )NFORMATIONEN UND ZUGEHÎRIGE 2ELATIONEN  6ERÎFFENTLICHUNGSLAND
  • 144. +ÔNSTLERGEBURTSORT
  • 145. +ONZERTORTE
  • 146.  [03] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 31 / 24
  • 147. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung -ODERN KONTEXTBASIERTE 3ICHTEN  :EITLEISTE  :EIT )NFORMATIONEN UND ZUGEHÎRIGE 2ELATIONEN  6ERÎFFENTLICHUNGSJAHR
  • 148. +ÔNSTLERGEBURTSJAHR
  • 149. :EITINTERVALL VON +ÔNSTLERKOOPERATIONEN
  • 150.  [04] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 32 / 24
  • 151. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung -ODERN KONTEXTBASIERTE 3ICHTEN  "EZIEHUNGSNETZ  -USIKKÔNSTLER
  • 152. GRUPPEN
  • 153. STÔCKE UND ZUGEHÎRIGE 2ELATIONEN  +ÔNSTLER X gehört zu Gruppe Y
  • 154. -USIKSTÔCK W ist ein 2EMIX VON -USIKSTÔCK V
  • 155.  32 / 24 [05] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 33 / 24
  • 156. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung -ODERN KONTENTBASIERTE 3ICHTEN  $ .ETZ
  • 157. 3CHIEBEREGLER  /FT VAGEUNGENAUE BZW SUBJEKTIVE !NGABEN  ,AUTST¼RKE
  • 158. 4EMPO
  • 159. 'ESANGSSTIMME
  • 160. )NSTRUMENTIERUNG
  • 161.  [06] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 34 / 24
  • 162. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung -ODERN KONTENTBASIERTE 3ICHTEN  &ELDNAVIGATION  3TIMMUNG
  • 163. 4ANZBARKEIT
  • 164.  [07] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 35 / 24
  • 165. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung -IX :EITLEISTE
  • 166. "EZIEHUNGSNETZ
  • 167. ZUS¼TZLICHE )NFORMATIONEN [08] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 36 / 24
  • 168. Musikmetadaten und -merkmale Thomas Gängler Orientieren Belegarbeit - Verteidigung -IX  $ 2AUM 0ARAMETRISIERUNG VON !CHSEN
  • 169. 'RηE
  • 170. &ARBE  œHNLICHKEITSMATRIZEN [09] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 37 / 24
  • 171. Musikmetadaten und -merkmale Thomas Gängler Musikmerkmale und -metadaten Belegarbeit - Verteidigung [15] Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 38 / 24
  • 172. Musikmetadaten und -merkmale Thomas Gängler 2HYTHMUSHISTOGRAMM Belegarbeit - Verteidigung [16] # Rhythmus-Muster OBEN Rhythmus-Histogramm UNTEN Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 39 / 24
  • 173. Musikmetadaten und -merkmale Thomas Gängler Klangfarbenhistogramm Belegarbeit - Verteidigung [17] # VRT-Spektrogramm zur Klangfarbenrepräsentation Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 40 / 24
  • 174. Musikmetadaten und -merkmale Thomas Gängler Metadatenextraktion Belegarbeit - Verteidigung # Metadatenextraktion aus Musikdokumenten:  *AUDIOTAGGER
  • 175. TagLib
  • 176. Echo Nest # Metadatenanreicherung durch Informationssuche: > Web Services
  • 177. 3UCHMASCHINEN
  • 178. SPARQL-Endpunkte  ,OKAL BZW PRIVATER .ETZWERKE +LASSIÚKATION
  • 179. :UORDNUNG UND œHNLICHKEITEN  -ULTIVARIATE !NALYSEMETHODEN #LUSTER
  • 180. -$3
  • 181. +..
  • 182.   -ASCHINELLES ,ERNEN (--
  • 183. 36-
  • 184. Boosting
  • 185.  > Ontologien (Similarity Ontology
  • 186.  # Persönliche Musikwissensbasis > Quad Store
  • 187. audioDB Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 41 / 24
  • 188. Musikmetadaten und -merkmale Thomas Gängler SPARQL-Anfrage Belegarbeit - Verteidigung DBTune HTTPDBTUNEORG BBC Backstage HTTPBBCOPENLINKSWCOMSPARQL Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 42 / 24
  • 189. Musikmetadaten und -merkmale Thomas Gängler !BKÔRZUNGEN Belegarbeit - Verteidigung MARSYAS Music ANALYSIS
  • 190. RETRIEVAL
  • 191. AND SYnthesis for Audio Signals CLAM C++ Library for Audio and Music MUSCLE Multimedia Understanding through SEMANTICS
  • 192. Computation and LEarning STFT Short-Time Fourier-Transformation DWT Diskrete Wavelet-Transformation VRT Variable Resolution Transform SPARQL S0!21, Protocol and RDF Query Language MDS MultiDimensionale Skalierung KNN KÔNSTLICHE Neuronale Netze HMM Hidden-Markov-Modelle SVM Support-Vektor-Maschinen Motivation Anwendungsfälle Musikmerkmale Merkmalsextraktion Fazit 43 / 24