工作计划

CompMusic的工作计划目前仅仅是一个计划。取决于一些中间结果和可能产生的新想法,项目可能会改变方向。以下是一些项目最初提出的任务,可能会有所改动。

我们将要研究的关于特定文化的具体问题还没有明确的定义:事实上,这也是该项目的第一个任务。目前我们已经明确了主要的横向任务以及将要用来解决挑战性问题的研究方法。这些任务大致可以概括为:(1)收集和组织音频录音,元数据,描述数据,乐谱,以及所有和所选音乐剧目相关的上下文信息;(2)确定和研究必要的音乐学参考资料,从而在特定的文化环境下理解所选的剧目;(3)设计用于标注和分析音乐收藏的本体;(4)研究音乐内容分析方法,用于帮助描述所选的音乐收藏;(5)研究社会计算方法,用于刻画用户和社区特征,对他们的音乐偏好和行为进行建模;(6)开发系统,用于整合项目产出并且展示这种探索世界音乐的研究方法的关联性。

任务1: 数据收集

  • 目标:收集所选文化中音乐剧目的相关信息:音频音乐文件,元数据,描述数据,乐谱,以及所有必要的上下文相关的文化和社会学信息。
  • 所用流程和技术:数据库由获得的CD,互联网资源,图书馆资源以及个人收藏共同组成。这些收藏会由音乐专家进行描述和标注。同时任务4的分析结果也会被加入。软硬件的基础架构包括存储,计算和验证系统。
  • 预期结果:大型开放音乐数据资源库(尽可能使用Creative Commons许可),使用RDF数据模型。
  • 持续时间:整个项目,但是随着项目进展投入精力会逐渐减少。
  • 涵盖人员:来自每种音乐文化的音乐学家和音乐家,以及MTG的音乐信息管理研究人员。
  • 所占项目资源:20%
  • 里程碑:第18个月:数据格式和架构的定义。奥斯曼和印度(南,北)音乐的基础数据库可用。 第36个月:资源集架构就绪。中国和安达卢斯音乐的基础数据库可用。 第54个月:奥斯曼和印度(南,北)音乐的扩展数据库可用。 第60个月:中国和安达卢斯音乐的扩展数据库可用。

任务2: 音乐学研究

  • 目标:进行音乐学和文化研究,在相关文化背景下理解所选音乐传统。
  • 所用流程和技术:研究每个音乐传统的特殊性,它们之间的共同点和不同点,以及它们与西方古典音乐的差异。我们主要关注相似度,音乐分类,和音乐使用的上下文环境等问题。例如Humdrum的开放符号系统将会被用于信息整合,以及基于用户定义的音乐学标准的多维度分析。
  • 预期结果:基于多元文化角度的非西方音乐的音乐学和认知理论。
  • 持续时间:整个项目。该任务和其他任务之间会有持续的反馈。
  • 涵盖人员:来自每种音乐文化的音乐学家,以及MTG的计算音乐学专家。
  • 所占项目资源:20%
  • 里程碑:第18个月:土耳其和印度音乐的音乐学研究。 第36个月:安达卢斯和中国音乐的音乐学研究。 第60个月:土耳其,印度,安达卢斯和中国音乐的比较音乐学研究。

任务3: 本体设计

  • 目标:详细阐述用于标注所收集信息的音乐本体。
  • 所用流程和技术:将采用三种不同的方法:专家知识提取,音乐听众标签启发,和网络知识提取。
  • 预期结果:对音乐本体规范作出贡献,支持所选的音乐文化。
  • 持续时间:整个项目,但是随着项目进展投入精力会逐渐减少。
  • 涵盖人员:来自所选文化的音乐学家,音乐家和语言学家,以及MTG的音乐信息管理研究人员。
  • 所占项目资源:10%
  • 里程碑:第18个月:土耳其和印度音乐的可用本体。 第36个月:中国和安达卢斯音乐的可用本体。 第60个月:一个统一的可用本体。

任务4: 音频描述

  • 目标:开发信号分析技术和机器学习方法,使用音频录音和任务1收集到的所有信息,对所选的音乐收藏进行描述。
  • 所用流程和技术:评估现有MIR技术的有效性。研究音乐描述的不同方面是怎样作用于自动分类的。开发可以考虑到非西方音乐的律制、表演风格和乐器的分析技术。
  • 预期结果:可以被加入到音乐描述和任务1建立的数据库中的数据模型以及元数据。
  • 持续时间:整个项目。
  • 涵盖人员:MTG的音频信号处理和机器学习专家,以及来自不同音乐文化的专家。
  • 所占项目资源:15%
  • 里程碑:第18个月:确定现有音频分析技术对于分析土耳其和印度音乐的局限性。 第36个月:用于分析土耳其和印度音乐的特定技术的研究结果。确定现有音频分析技术对于分析中国和安达卢斯音乐的局限性。 第54个月:用于分析中国和安达卢斯音乐的特定技术的研究结果。

任务5: 社区剖析

  • 目标:调查用户和社区特征,对他们的音乐偏好和行为进行建模。
  • 所用流程和技术:探索能够从社交网络,人口学、地理和心理数据等角度捕捉音乐收听行为、网络搜索数据和音乐偏好数据的信息源。
  • 预期结果:建立偏好和行为表示,包括适用于特定文化背景的音频描述、音乐本体知识、个性化信息、一般文化背景以及短期行为背景。
  • 持续时间:整个项目,但是随着项目进展投入精力会逐渐减少。
  • 涵盖人员:MTG的人机交互专家,以及来自所选音乐文化的专家和非专业用户。
  • 所占项目资源:10%
  • 里程碑:第18个月:建立基于社交网络freesound.org数据的最初用户和社区模型。 第36个月:确定所选音乐文化的相关社交网络站点,用于开展计算研究。 第54个月:建立基于特定文化社交网络的用户和社区模型。

任务6: 系统整合

  • 目标:努力实现能够捕捉一个音乐发现任务的不同方面,有能力探索世界音乐的统一计算模型。
  • 所用流程和技术:整合任务4开发的数据模型和任务5开发的用户模型。开发相关技术,使系统能够根据用户、上下文以及新信息的可用性等因素进行演变。
  • 预期结果:建立与发现世界音乐相关的计算模型。
  • 持续时间:整个项目,但是随着项目进展投入精力会逐渐增加。
  • 涵盖人员:MTG的研究人员,以及来自所选音乐文化的专家。
  • 所占项目资源:15%
  • 里程碑:第54个月:基于文化的音乐发现的计算模型。第60个月:基于文化的音乐发现原型系统