Akademik Veri Yönetim Sistemi
Avrupa Bilim ve Teknoloji Dergisi, cilt.0, sa.2020, ss.6-12, 2020 (Hakemli Dergi)
Müzikten duygu tanıma yapılması, günümüzde hala oldukça zor bir görevdir. Bu çalışmada, müzikten duygu tanıma yapılması için genel problemler tespit edilmiş, bu problemlerin üstesinden gelmek ve sınıflandırma başarısını artırmak için yaklaşımlar geliştirilmiştir. Bu amaçla, çeşitli makine öğrenmesi yöntemleri ve farklı araçlardan elde edilen öznitelikler kullanılarak Türkçe müziklerden duygu tanıması yapılmak istenmiştir. Yöntem olarak Bayes Ağları, Sıralı Minimal Optimizasyon (SMO), Karar Ağaçları (J.48) ve Lojistik Regresyon kullanılmıştır. Bu yöntemler, duygu tanıma yapmak için oluşturulan bir veri tabanı üzerine uygulanmış ve performansları ölçülmüştür. Bu veri tabanı her biri 30 saniyelik 124 müzik alıntısından oluşan Türkçe Duygusal Müzik Veri Tabanı‘dır. Müzik sinyallerinden öznitelik elde etmek için ise, yapılan çalışmalarda sık sık karşımıza çıkan ve öznitelik çıkarma sırasında karşılaşılan sorunlara kapsamlı çözüm sağlayan çeşitli araçlar kullanılmıştır. Bu araçlar çok sayıda farklı öznitelik elde etmemize olanak sağlar. Buna ek olarak gereksiz olan öznitelikleri çıkarmak ve sınıflandırıcı performansını artırmak amacıyla korelasyon tabanlı öznitelik seçme yöntemi (Correlation-based Feature Selection) kullanılmıştır. Her bir araçtan elde edilen özellikler ayrı ayrı kullanılarak, makine öğrenmesi yöntemleri ile birlikte sınıflandırma işlemi yapılmıştır. Sınıflandırma aşamasında sonuçları değerlendirmek ve karşılaştırmak için 10 kat çapraz doğrulama yöntemi uygulanmıştır. Yapılan çalışmada, elde edilen özniteliklere öznitelik seçim yöntemi uygulanarak ve Bayes Ağları sınıflandırıcısı kullanılarak %94.35 oranında doğruluk ile duygu tanıma gerçekleştirilmiş, ve diğer sınıflandırıcıların hepsinden daha iyi sonuç alınmıştır. Son olarak, bütün araçlardan elde edilen öznitelikler bir araya getirilmiş ve bu özniteliklere yine seçim işlemi yapılmıştır. Bu işlemden sonra ise, Bayes Ağları kullanılarak elde edilen duygu tanıma oranı %1.6 artarak, %95.96 olmuştur.
Recognizing emotion from music is still a very difficult task today. In this study, general problems were determined for emotion recognition from music, and approaches were developed to overcome these problems and to increase classification success. For this purpose, emotion recognition from Turkish music was aimed by using various machine learning methods and features obtained from different toolboxes. BayesNet, Sequential Minimal Optimization (SMO), Decision Trees (J.48) and Logistic Regression were used as methods. These methods were applied on a database constructed for emotion recognition and their performance was measured. This database is the Turkish Emotional Music Database consisting of 124 music excerpts of 30 seconds each. In order to obtain features from music signals, various toolboxes have been used that provide comprehensive solutions to the problems encountered frequently during feature extraction. These toolboxes allow us to obtain a large number of different features. In addition, the correlation-based feature selection method (CFS) was used to remove unnecessary features and to increase classifier performance. The classification was made with machine learning methods, using the features obtained from each toolbox separately. 10-fold cross validation method was applied to evaluate and compare the results at the classification. Accuracy measure was used to evaluate the success of the system. In the study, %94.35 emotion recognition was achieved by using the feature selection method and BayesNet classifier which yielded better results than all other classifiers. Finally, all features are combined and the selection process is made for these features again. After this process, the emotion recognition rate obtained by using BayesNet classifier increased by %1.6 to %95.96.