Peter Knees,
"Automatische Klassifikation von Musikkünstlern basierend auf Web-Daten"
, 2005
Original Titel:
Automatische Klassifikation von Musikkünstlern basierend auf Web-Daten
Sprache des Titels:
Deutsch
Original Kurzfassung:
Musikorganisation stellt in einer Zeit der stark wachsenden Verbreitung digitaler
Musik eine der zentralen Herausforderungen dar. Ein bew¨ahrtes Mittel
ist die Einteilung von Musik in Genres. In dieser Arbeit wird ein Ansatz
zur automatischen Klassifikation von Musikk¨unstlern unter Verwendung von
Text Categorization Methoden vorgeschlagen. Konkret werden von Suchmaschinen
empfohlene Webseiten analysiert, um daraus Beschreibungen von
K¨unstlern, in Form von Worth¨aufigkeiten, zu extrahieren. Zur Klassifikation
kommen haupts¨achlich Support Vector Machines zum Einsatz.
Die pr¨asentierten Experimente umfassen die Evaluierung des Klassifikationsprozesses
anhand einer Taxonomie von 14 Genres mit insgesamt 224
K¨unstlern, die Erprobung von Filtermethoden zur Steigerung der Qualit¨at
der zugrunde liegenden Daten, sowie die Absch¨atzung des Einflusses der
Fluktuationen des Internets auf die Klassifikation durch Auswertung einer
Langzeitstudie ¨uber eine Zeitspanne von knapp einem Jahr. Anhand dieser
Experimente wird untersucht, wie viele K¨unstler zur Definition des Konzepts
eines Genres erforderlich sind, welche Suchmaschine und Suchanfrage am geeignetsten
sind, welche Klassifikationsgenauigkeit erwartet werden kann und
ob der Ansatz als ¨Ahnlichkeitsmaß f¨ur K¨unstler tauglich ist.
Forschungs-