Utilizzo dell'apprendimento automatico per la scoperta della conoscenza musicale

Wordcloud della scuola di musica rinascimentale italiana. Credito:Sergio Oramas et al.

Ricercatori dell'Università di Pompeu Fabra, L'Università di Cardiff e l'Università tecnica di Madrid hanno utilizzato algoritmi di apprendimento automatico per scoprire cose nuove sulla storia della musica.

Uno dei compiti principali dei ricercatori di musicologia è quello di sviluppare e convalidare ipotesi musicali, dopo aver studiato documenti storici e altre informazioni disponibili. Molti documenti storici sono stati ora digitalizzati e possono essere consultati e sfogliati su un computer, rendendo facile per i ricercatori accedervi online. Però, i motori di ricerca di base operano a un livello di "corrispondenza esatta di stringhe di testo", e quindi non sempre colgono il significato sottostante nel contenuto.

In uno studio pubblicato di recente, il ricercatore di data science musicale Sergio Oramas e i suoi colleghi hanno testato approcci di elaborazione del linguaggio naturale (NLP) che potrebbero trarre il massimo dai documenti storici archiviati, aiutare gli scienziati a scoprire nuove ipotesi e identificare modelli interessanti nei dati disponibili.

"Come musicologo, Volevo sfruttare il contenuto di grandi enciclopedie musicali, come il dizionario New Grove o Wikipedia, " dice Oramas in un'intervista con Tech Xplore . "Ci sono troppi contenuti da leggere e troppo poco tempo nella vita, ma i computer possono aiutarci in questo."

Wordcloud della scuola di musica rinascimentale francese. Credito:Sergio Oramas et al.

Il lavoro di Oramas e dei suoi colleghi applica l'elaborazione linguistica automatica a grandi raccolte di testi musicali per scoprire nuovi fatti nascosti tra le righe e valutare il potenziale dell'apprendimento automatico per la ricerca musicologica. Il loro studio ha utilizzato dati provenienti da una varietà di fonti, compresa Wikipedia, DBpedia, e MusicBrainz, specificamente attinente al flamenco, musica rinascimentale, e musica popolare.

Usando la PNL, un metodo computazionale per analizzare il linguaggio umano scritto e parlato, i ricercatori sono stati in grado di identificare modelli interessanti nella storia della musica. "Abbiamo estratto direttamente dai dati quali sono gli artisti flamenco e rinascimentali più influenti, e scoprì le tendenze migratorie dei compositori tra le città europee del XV e XVI secolo, "dice Oramas.

L'analisi delle recensioni di Amazon ha portato anche a scoperte interessanti sull'evoluzione della musica popolare, come una straordinaria positività nell'uso del linguaggio nell'anno 2008, che sorprendentemente ha costituito un record storico per quasi tutti i generi. Sorprendentemente, generi tradizionalmente associati a comunità diverse, come il jazz e la musica latina, ha avuto i miglioramenti più notevoli nelle percezioni positive del pubblico, mentre altri (es. paese) no.

Grafico del sentiment medio per anno di pubblicazione della recensione. Credito:Sergio Oramas et al.

Il loro studio ha anche riscontrato una forte correlazione tra le opinioni espresse dagli utenti nelle loro recensioni e la popolarità degli album usciti in determinati decenni o di generi particolari, come il pop negli anni '60 e il reggae nei primi anni '80. Nel caso del reggae, Per esempio, hanno individuato una maggiore proporzione di recensioni positive tra la seconda metà degli anni '70 e la prima metà degli anni '80, che viene spesso definita "l'età d'oro del reggae". Questo aumento di popolarità potrebbe essere correlato alla pubblicazione degli album di Bob Marley, che ha contribuito alla popolarità del genere in quel momento.

Grafico del sentimento medio per genere. Credito:Sergio Oramas et al.

Il lavoro di Oramas e dei suoi colleghi dimostra che l'analisi delle recensioni musicali scritte durante particolari periodi di tempo potrebbe aiutare i musicologi a scoprire di più sull'evoluzione dei generi e identificare eventi storici chiave. "In definitiva, la nostra scoperta più significativa è la dimostrazione che l'elaborazione del linguaggio naturale può aiutare a scoprire nuove ipotesi musicologiche, e per raccogliere informazioni importanti dai dati che possono rispondere a queste e ad altre domande, " spiega Oramas.

In futuro, Oramas intende espandere la sua ricerca includendo altri tipi di contenuti, come l'audio, immagini, e i dati raccolti dal Pandora Music Genome Project, la tassonomia più sofisticata di informazioni musicali mai raccolta.