الگوریتم ها موسیقی کلاسیک را طبقه بندی می کنند

24 مه 2022 -توسط دیوید بردلی، اعتبار: دامنه عمومی Pixabay/CC0

به لطف کار منتشر شده در مجله بین المللی علوم وب، یک شبکه عصبی کارآمد اکنون می تواند مجموعه ای از فایل های موسیقی را به عنوان ورودی دریافت کند و آنها را به سرعت بر اساس سبک تعریف کند. چنین سیستمی می تواند موهبتی برای سرویس های پخش موسیقی باشد که امیدوارند به کاربران خود یک سیستم توصیه موثر را ارائه دهند تا به آنها اجازه دهد به موسیقی جدیدی که ممکن است به همان اندازه مورد علاقه قدیمی خود از آن لذت ببرند دسترسی داشته باشند.

بسیاری از میلیون‌ها نفر به جای انتخاب یک دیسک پلاستیکی از مجموعه‌ای برای پخش بر روی یک دستگاه اختصاصی، از طریق پخش آنلاین یا خدمات بارگیری در رایانه، دستگاه‌های هوشمند و تلفن‌های همراه خود به موسیقی گوش می‌دهند. به این ترتیب، جنبه های زیادی از لذت بردن و توصیه موسیقی جدید وجود دارد که می تواند از مخازن وسیع اطلاعاتی که به صورت آنلاین یافت می شود و همچنین از اتصال جوامع آنلاین استفاده کند. با این حال، برای اینکه یک سیستم بتواند توصیه‌ها را به کاربران خودکار کند، نیاز ذاتی برای برچسب‌گذاری مناسب هر قطعه موسیقی با توجه به سبک، سرعت و سایر ویژگی‌های این چنینی وجود دارد.

جاگندرا سینگ از دانشکده مهندسی علوم کامپیوتر و فناوری در دانشگاه بنت در گریت نویدا، هند، این سیستم را در برابر شش نوع موسیقی از جمله جاز، هیپ هاپ، الکترونیک، راک، کلاسیک و فولک آزمایش کرده و دریافته که تاثیر گذار است. این الگوریتم زمانی بهتر عمل می کند که فرکانس طیف نگاری صداها و الگوی توالی زمانی به عنوان متغیر در سیستم توصیه ترکیبی آنها گنجانده شود.

در حالی که این امر اجتناب ناپذیر است که توصیه های دهان به دهان در بین طرفداران موسیقی ادامه یابد، تنوع و تراکم موسیقی که اکنون در دسترس بسیاری از افراد آنلاین است به این معنی است که موسیقی می تواند با سرعت بیشتری به مخاطبان جدید دست یابد. علاوه بر این، خواسته‌های طرفداران موسیقی که مشتاق هستند به سرعت به دنبال چیزهای جدید باشند، بدون اینکه منتظر دوست یا مخاطبی باشند تا بهترین موفقیت بعدی را برای آنها کشف کند، می‌تواند به خوبی توسط سیستم‌های توصیه الگوریتمی برآورده شود.