Tecnología musical para el estudio histórico

Gráfico del sentimiento promedio por género. / Crédito: Sergio Oramas et al.

Uso del aprendizaje automático para descubrir conocimientos musicales

 

Una de las principales tareas de los investigadores de musicología es desarrollar y validar hipótesis musicales tras estudiar documentos históricos y otra información disponible. Muchos documentos históricos se han digitalizado y los investigadores pueden acceder y navegar a través de Internet. Sin embargo, los motores de búsqueda básicos existentes no siempre capturan el significado subyacente del contenido.

.

UPF / En un estudio publicado el 5 de julio en el Journal of New Music Research,el investigador de la ciencia de la información musical y primer autor del trabajo Sergio Oramas con Xavier Serra, director del Grupo de Investigación en Tecnología Musical (MTG) en el Departamento de Tecnologías de la Información y las Comunicaciones (DTIC) de la UPF, conjuntamente con investigadores de la Universidad Técnica de Madrid y de la Universidad de Cardiff (Gales, Reino Unido), han puesto a disposición de los investigadores nuevas aproximaciones metodológicas para el estudio de la información musical.

Los investigadores muestran que se pueden aprovechar al máximo los documentos históricos de archivo mediante enfoques propios del lenguaje natural

En el futuro tienen previsto expandir su investigación incluyendo otros tipos de contenido, tales como audio, imágenes y datos recopilados por el Proyecto Pandora Music Genome, la taxonomía más sofisticada de la información musical que se haya recogido nunca antes.

Más concretamente, estos investigadores en su estudio muestran que se pueden aprovechar al máximo los documentos históricos de archivo mediante enfoques propios del lenguaje natural. Esta aproximación permite a los científicos identificar patrones interesantes a partir de los datos disponibles y a descubrir nuevas hipótesis de trabajo.

En este trabajo, los autores aplican el procesamiento lingüístico automático a grandes colecciones de textos relacionados con la música para descubrir nuevos hechos que se esconden entre líneas y evaluar el potencial del aprendizaje automático para la investigación de la musicología. Su estudio utilizó datos de diversas fuentes, incluyendo Wikipedia, DBpedia y MusicBrainz, específicamente relevantes para la música flamenca, renacentista y música popular.

Gracias al uso del lenguaje natural, un método computacional de análisis del lenguaje humano, los investigadores pudieron identificar patrones interesantes en la historia de la música. “Extrajimos directamente de los datos de artistas flamencos y renacentistas más influyentes y descubrimos tendencias migratorias de compositores entre ciudades europeas del siglo XV y el XVI”, dice Oramas.

Su estudio también encontró una fuerte correlación entre las opiniones expresadas por los usuarios en sus reseñas y la popularidad de los álbumes lanzados en determinadas décadas

El análisis de las reseñas de Amazon también dio lugar a hallazgos interesantes sobre la evolución de la música popular, como una extraordinaria percepción positiva en 2008, que sorprendentemente constituyó un máximo histórico para casi todos los géneros. Notablemente, los géneros tradicionalmente asociados a diversas comunidades, como el jazz y la música latina, tuvieron las mejoras más destacables en las percepciones positivas del público, mientras que otros (como el country) no lo hicieron.

Su estudio también encontró una fuerte correlación entre las opiniones expresadas por los usuarios en sus reseñas y la popularidad de los álbumes lanzados en determinadas décadas o de géneros particulares, como el pop de los años 60 y el reggae a principios de los ochenta. En el caso del reggae, por ejemplo, identificaron una mayor proporción de reseñas positivas entre la segunda mitad de los años 70 y la primera mitad de los años 80, que a menudo se conoce como la edad de oro del reggae. Este aumento de popularidad podría estar en relación con la publicación de los álbumes de Bob Marley, que contribuyeron a la popularidad del género en ese momento.

En el futuro, Oramas y sus compañeros tienen previsto expandir su búsqueda incluyendo otros tipos de contenido, tales como audio, imágenes y datos recopilados por el Proyecto Pandora Music Genome, la taxonomía más sofisticada de la información musical que se haya recogido nunca antes.

.

Referencia bibliográfica: 
Sergio Oramas, Luis Espinosa-Anke, Francisco Gómez, Xavier Serra (2018),“Naturallanguage processing for music knowledgediscovery”, Journal of New Music Research (2018). DOI: 10.1080 /09298215.2018.1488878.

Dejar comentario

Deja tu comentario
Pon tu nombre aquí