• 한국비블리아학회지
• /
• 제31권1호
• /
• pp.115-136
• /
• 2020

학교도서관에서 가장 많은 장서를 차지하는 주제는 문학의 소설이며, 소설장서를 접근하기 위한 KDC의 현행 분류체계는 학교도서관에서 소설에 접근하려는 이용자의 정보요구에 부합하지 않으므로 이용자 요구를 반영한 장르 분류 방안이 모색되어야 한다. 이에 본고에서는 국내·외 국립 및 공공도서관의 소설장서 분류 현황을 조사하고, 온라인 및 오프라인 서점의 소설장서 분류체계와 KDC와 DDC의 소설 분류표를 비교하여 이를 바탕으로 학교도서관에서 소설장서의 장르 분류 방안을 모색하였다. 우선, 소설장서를 위한 장르분류표를 개발하기 위해, 소설을 위한 장르 용어를 수집하고, 이중에서 14개의 장르 표목을 도출하여 영어 표목의 두문자를 분류기호로 할당하였다. 새롭게 개발한 장르분류표의 적용 방안으로 중등학교 도서관의 KDC 번호를 대상으로 KDC와 혼합 적용, 장르기호를 선치해 적용, 장르기호만 적용하는 세 가지를 제시하였다. 본 연구는 KDC에서 계층 분류의 한계를 극복하고 이용자의 요구를 반영한 소설장서의 장르 분류 방안을 모색하였다는데 의의가 있다.

• International Journal of Internet, Broadcasting and Communication
• /
• 제16권3호
• /
• pp.27-32
• /
• 2024

Reliable and fine-grained musical metadata are required for efficient search of rapidly increasing music files. In particular, since the primary motive for listening to music is its emotional effect, diversion, and the memories it awakens, emotion classification along with genre classification of music is crucial. In this paper, as an initial approach towards a "ground-truth" dataset for music emotion and genre classification, we elaborately generated a music corpus through labeling of a large number of ordinary people. In order to verify the suitability of the dataset through the classification results, we extracted features according to MPEG-7 audio standard and applied different machine learning models based on statistics and deep neural network to automatically classify the dataset. By using standard hyperparameter setting, we reached an accuracy of 93% for genre classification and 80% for emotion classification, and believe that our dataset can be used as a meaningful comparative dataset in this research field.

• 한국정보과학회논문지:소프트웨어및응용
• /
• 제30권11호
• /
• pp.1062-1071
• /
• 2003

장르기반 분류는 문서를 내용이나 주제가 아닌 문서의 형식 또는 스타일에 의해 분류하는 것을 의미한다. 현재 장르분류 방법은 기존의 주제기반 분류방법에 사용되었던 알고리즘을 그대로 이용하거나 자질선택 방법에 있어서도 효과적이지 못하고 비교적 단순하여 분류 정확률 또한 상대적으로 낮았다. 본 연구에서는 장르기반으로 문서를 자동 분류할 수 있는 새로운 방법론을 제시한다. 장르분류 방법은 크게 두 가지 정보를 이용하여 학습과 분류를 하는데 장르 간 용어의 편차정보와 장르 내에 분포되어 있는 주제 범주 간 용어의 편차정보를 이용한다. 제안된 방법의 성능을 측정하기 위해 인터넷상에서 정제되지 않은 문서를 수집하였으며 이를 대상으로 실험한 결과 기존의 카이제곱 자질선택 방법 및 베이지안 분류 알고리즘과 비교하여 약 30% 정도 우수한 정확도를 나타내었다.

• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2013년도 춘계학술발표대회
• /
• pp.204-207
• /
• 2013

Music genre classification is an essential component for music information retrieval system. There are two important components to be considered for better genre classification, which are audio feature extraction and classifier. This paper incorporates two different kinds of features for genre classification, timbral texture and rhythmic content features. Timbral texture contains several spectral and Mel-frequency Cepstral Coefficient (MFCC) features. Before choosing a timbral feature we explore which feature contributes less significant role on genre discrimination. This facilitates the reduction of feature dimension. For the timbral features up to the 4-th order central moments and the covariance components of mutual features are considered to improve the overall classification result. For the rhythmic content the features extracted from beat histogram are selected. In the paper Extreme Learning Machine (ELM) with bagging is used as classifier for classifying the genres. Based on the proposed feature sets and classifier, experiment is performed with well-known datasets: GTZAN databases with ten different music genres, respectively. The proposed method acquires the better classification accuracy than the existing approaches.

• 한국음향학회지
• /
• 제29권4호
• /
• pp.265-269
• /
• 2010

본 논문에서는 새로운 형태의 스펙트럼 특징인 스펙트럼 대비 MFCC (SCMFCC)를 제안하고 음악 장르 분류 성능을 분석하였다. 음악 장르 분류를 위해서는 장르 간의 차이를 두드러지게 할 수 있는 특징을 사용해야 하므로, 음악의 화음 구조 및 강약을 잘 표현하는 스펙트럼 대비 특징들이 관심을 받아왔다. 본 논문에서 제안된 SCMFCC는 멜 켑스트럼 상에서 스펙트럼의 대비를 이용하여 기존의 MFCC를 음악 분류에 적합하도록 변형했다. 널리 사용되고 있는 음악 장르 데이터베이스에서 실험을 수행하여, 제안된 SCMFCC 특징의 음악 장르 분류 성능을 기존의 다른 특징들과 비교하였다.

• 한국도서관정보학회지
• /
• 제41권4호
• /
• pp.151-170
• /
• 2010

도서관 분류작업의 의미와 실효성에 대한 의문이 제기되면서, 도서관계에서는 이용자 중심적 분류 또는 독자의 관심을 바탕으로 하는 분류에 대한 관심이 크게 증가하고 있다. 북미 공공도서관계에서는 bookstore model이라 불리는 장르 분류의 적용을 통해 업무의 효율은 물론이고 자료에 대한 도서관 이용자들의 접근성을 향상시킴으로써 결과적으로 도서관 이용율과 서비스 만족도의 증대에 기여하고 있다. 이 연구에서는 북미 공공도서관에서의 장르 분류의 적용양상과 그 과정에서 발견되는 특징을 살펴봄으로써 우리 도서관계에서 진행되는 분류업무의 의미와 기본 방향에 대해 진지하게 성찰해 보았다. 연구에 필요한 데이터는 문헌조사와 북미 공공도서관 실무자와의 면담 또는 서신 교환을 통해 수집하였다.

• 한국음향학회지
• /
• 제33권1호
• /
• pp.81-86
• /
• 2014

본 논문은 음악신호의 옥타브 밴드 상에서 주파수와 시간 방향의 순서 통계량에 기반한 음악분류기에 대한 연구이다. 음악의 화음 및 강약 구조를 표현하기 위해서 파워스펙트럼의 옥타브 밴드 순서 통계량을 이용하였다. 널리 사용되고 있는 두 음악 데이터셋을 이용한 성능 실험을 통해서, 옥타브 밴드 순서 통계량이 기존의 MFCC 와 옥타브밴드 스펙트럼 고저차 특징에 비해서 두 데이터셋에대해 각각 2.61 %와 8.9 % 장르 분류정확도가 개선되었다. 실험결과는 옥타브 밴드 순서 통계량이 음악 장르 분류에 적합함을 보인다.

• 대한전자공학회:학술대회논문집
• /
• 대한전자공학회 2004년도 학술대회지
• /
• pp.768-771
• /
• 2004

In this paper, we propose a content-based audio genre classification algorithm that automatically classifies the query audio into five genres such as Classic, Hiphop, Jazz, Rock, Speech using digital signal processing approach. From the 20 second query audio file, 54 dimensional feature vectors, including Spectral Centroid, Rolloff, Flux, LPC, MFCC, is extracted from each query audio. For the classification algorithm, k-NN, Gaussian, GMM classifier is used. In order to choose optimum features from the 54 dimension feature vectors, SFS (Sequential Forward Selection) method is applied to draw 10 dimension optimum features and these are used for the genre classification algorithm. From the experimental result, we verify the superior performance of the SFS method that provides near $90{\%}$ success rate for the genre classification which means $10{\%}$-$20{\%}$ improvements over the previous methods

• 한국음향학회지
• /
• 제36권2호
• /
• pp.144-150
• /
• 2017

음악 장르는 음악 검색 및 분류 등의 정보 처리 시스템 구현에 있어서 필수적인 요소이다. 일반적으로 장르 분류를 위한 스펙트럼 특징은 음악의 화음 및 강약 구조를 표현하기 위해 부밴드로 분해하여 구해진다. 본 논문은 음악 장르 분류 성능 개선을 위한 특징 추출을 위한 부밴드 분해 방법에 관해 연구하였다. 또한 부밴드 음악 특징의 차수를 줄일 수 있는 방법에 대해서도 연구하였다. 널리 사용되고 있는 장르 데이터셋들에서 실험을 수행하여 널리 사용되고 있는 옥타브 스케일보다 세분화된 부밴드 분해가 장르 분류 성능을 향상시킬 수 있으며, 특징 차수 축소를 결합하여 분류기의 계산량도 줄일 수 있음을 보였다.

• 한국ITS학회 논문지
• /
• 제8권4호
• /
• pp.33-38
• /
• 2009

본 논문은 자동차 오디오 시스템에 내장된 라디오에서 실시간으로 재생되는 연속적인 오디오 신호로부터 음악 신호를 선별하고, 해당 음악에 대한 실시간 음악장르 분류를 통해 자동으로 이퀄라이저를 조절하는 방식을 제안한다. 제안된 방식에서는 음악분류 정확도를 높이고 실시간 신호처리를 실행하기 위해 연속적인 오디오 신호로부터 추출한 음색 특징 벡터와 리듬 특징 벡터를 GMM (Gaussian mixture model) 분류 방식에 적용하여 음악 분류를 수행한다. 제안된 방식은 카오디오 시스템의 라디오로부터 출력된 오디오 신호로부터 분할된 다양한 오디오 구간을 5가지 음악장르로 분류하여 음악 장르 분류 성능을 측정하였다.