GTTM分析器「PyGTTM」の試作，及び，
ディープラーニングを用いた精度向上の試み
ディープラーニングを用いた精度向上の試み
日本大学 文理学部 情報科学科 北原研究室
山川 峻
概要
人間が楽曲のジャンルや年代の推定を行うとき，使われている楽器などからだけでなく，楽曲内の構造を無意識に感じとり，行っているのではないかという仮説から，楽曲中には構造的に何らかの特徴があり，それを抽出することができれば，より精緻な楽曲分析が行えるだろう．楽曲から構造を取り出す手法として，GTTM が挙げられる．音楽の認知過程から階層的な構造の分析を目的とした理論である.
本研究は，音楽を階層的な構造で表すことができる GTTM を利用して，楽曲の構造を自動で取り出すシステムの開発を目指している．既に浜中らによって自動 GTTM 分析器の ATTA が公開されているが，コードを確認しながらの構造分析ができないといったことから，ATTA に基づいた GTTM 分析器「PyGTTM」の試 作を行った.
ATTA との比較実験では，GTTM データベースに収められてる楽曲データを用いて，グルーピング構造，拍節構造，タイムスパン木の三つの出力結果の比較を 行った．グルーピング構造分析では ATTA よりも高い精度を示したが，拍節構造分析とタイムスパン分析では低い値となった．これは，PyGTTM と ATTA で GTTM の曖昧な部分をどう解釈したかによる，処理のコーディングの違いが原因だと考えられる．しかしながら，ATTA と結果に差異はあったが，ある程度の精度で階層構造を獲得できることを確認した．また，PyGTTM のタイムスパン木には精度に問題があったため，deepGTTM を参考にして，ディープラーニングを用いて精度の向上させる機能の拡張の検討を行っている.