음악감성 인식 정확도 향상을 위한 노이즈 제거 기술의 효과 비교 연구

미아오 쉬 & 이재성

(박사과정, 경북대학교 기계공학과 & 조교수, 중앙대학교 소프트웨어학부)

 감성공학이란 인간의 감성을 분석하고 환경 설계에 적용하여 더욱 편리하고 쾌적한 인간의 삶을 도모하는 기술을 총칭한다. 따라서 감성공학에서 비언어적 요소를 환기시키거나 전이하는 고전문학, 음악, 미술 작품 등을 정량화하는 연구는 매우 빈번하게 있어왔다. 예를 들어, 음악감성 인식 기술은 음악이 표현하고 있거나 내재되어 있는 음악감성을 정량화된 데이터를 바탕으로 인식하여 다양한 음악 서비스에 적용하여 사용자의 편이 확대에 기여할 수 있다. 이 때, 음악감성 인식 문제에서는 계산효율성을 위해 음악의 일부분을 샘플링하여 데이터화한다. 샘플링된 음악이 전체 음악을 대표하지 못하는 경우, 음악감성 인식을 위한 학습과정에서 노이즈가 된다. 따라서 이와 같은 데이터 또는 인스턴스들은 학습 전 제거되어야 하지만, 복합 음악감성을 표현하기 위한 다중 레이블 데이터를 위한 데이터 선별 기술은 제안된 바가 없다. 본 연구에서는 다중 레이블 데이터 선별 알고리즘들을 제안하였으며, 13개의 다중 레이블 데이터를 통해 성능을 비교하였다. 실험 결과에서는 레이블 멱집합 문제변환을 통한 데이터 선별 알고리즘이 가장 좋은 성능을 보여주는 것을 확인할 수 있었다.

주제어：음악감성 인식, 다중 레이블 학습, 다중 레이블 데이터 선별 알고리즘