Search academic texts

Information × Registration Number 2125U002799, Article popup.category Бакалаврська робота Title Обробка музики за допомогою NLP (AI translated) popup.author Тимофєєв Валерій ОлександровичTymofieiev Valerii Oleksandrovych popup.publication 01-01-2025 popup.source_user Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» popup.source https://ela.kpi.ua/handle/123456789/75829 popup.publisher Київ Description Дипломна робота: 93 с., 14 рис., 9 табл., 31 посилання, додаток. Об'єктом дослідження є обробка музичних даних, представлених у форматі MIDI. Предметом дослідження є застосування методів обробки природної мови для аналізу та класифікації музичних композицій. Метою роботи є перевірка припущення про роль фундаментальних характеристик нот у формуванні унікального стилю композитора. У роботі досліджено можливості застосування методів NLP для аналізу музичних даних з метою класифікації творів за композиторами. Розроблено комплексний метод обробки MIDI-файлів з подальшим створенням словника унікальних музичних символів. Цей метод кодує фундаментальні характеристики нот (висота, динаміка, тривалість), а також групує одночасно зіграні ноти в акорди. Виконано порівняльний аналіз п'яти методів векторизації музичних послідовностей: усереднення, стандартного відхилення, комбінованого методу, TF-IDF та максимального об'єднання. З використанням алгоритмів машинного навчання Random Forest, SVM, KNN та Logistic Regression було виконано класифікацію музичних творів. За її результатами встановлено, що комбінований метод усереднення та стандартного відхилення найефективніше зберігає як загальний стиль музичного твору, так і його внутрішню варіативність. Отримані результати підтверджують гіпотезу про суттєвий вплив фундаментальних характеристик нот на формування унікального музичного стилю композитора та демонструють перспективність застосування методів NLP для аналізу музичних даних. Bachelor’s thesis: 93 p., 14 figures, 9 tables, 31 references, appendix. The object of the study is the processing of the MIDI musical data. The subject of research is the establishment of the NLP methods for the analysis and classification of the musical compositions. The purpose of the work is to verify the assumption about the role of the fundamental characteristics of notes in shaping the unique composers’ style. The work investigates the possibilities of applying NLP methods for musical data analysis with the purpose of classifying songs by composers. A method for processing MIDI files with subsequent creation of a dictionary of unique musical symbols has been developed. This method encodes fundamental note characteristics (pitch, dynamics, duration) as well as groups simultaneously played notes into chords. A comprehensive analysis of five methods of vectorization of musical sequences is presented: averaging, standard deviation, combined method, TF-IDF and max pooling. Using the Random Forest, SVM, KNN and Logistic Regression algorithms, the classification of musical works was performed. Based on the obtained results, it was determined that the combination method of averaging and standard deviation most effectively preserves both the original style of musical creativity and its internal variability. The obtained results confirm the hypothesis about the influence of the fundamental characteristics of notes on the composers’ unique musical style and demonstrates the promising future of using NLP methods for analyzing musical data. popup.nrat_date 2025-11-05 Close