روش پیشنهادی برای تشخیص نغمه و شناسایی خودکار گوشه‌ها در ردیف موسیقی سنتی ایرانی با رویکرد میکرو

نوع مقاله: مقاله پژوهشی

نویسندگان

1 گروه علم اطلاعات و دانش شناسی، دانشگاه خوارزمی، تهران، ایران

2 استادیار، گروه علوم کامپیوتر، دانشکده علوم ریاضی و کامپیوتر، دانشگاه خوارزمی، تهران، ایران

3 استادیار، گروه برق و الکترونیک، دانشکده فنی و مهندسی، دانشگاه شاهد، تهران، ایران

4 استادیار، گروه علم اطلاعات و دانش‌شناسی، دانشکده روانشناسی و علوم تربیتی، دانشگاه خوارزمی، تهران، ایران

5 استادیار، گروه موسیقی، دانشکده هنر، دانشگاه آزاد واحد تهران مرکزی، تهران، ایران

چکیده

طراحی سامانه‌ای که بتواند به‌طور خودکار دستگاه‎ها و گوشه‌های موسیقی سنتی ایرانی تشخیص دهد، مدتی است که توجه پژوهشگران ایرانی را در حوزه بازیابی اطلاعات موسیقایی به خود جلب کرده است. ازآنجاکه در این پژوهش‌ها، به‌طور عمده به دسته‌بندی خودکار پنج دستگاه اصلی پرداخته‌اند و نه تفکیک گوشه‌ها از یکدیگر، پژوهشِ حاضر با هدف ارائه الگوریتم و روشی برای شناسایی خودکار گوشه‌ها در ردیف دستگاهی موسیقی سنتی ایرانی انجام شده است. ازاین‌رو، ابتدا تعریف و تحلیلی نظام‌مند از دو مفهوم اصلی موسیقی سنتی ایرانی، یعنی دستگاه و گوشه آمده و پس از معرفی دو رویکرد اساسی در شناسایی خودکار دستگاه و گوشه، روش‌شناسی و الگوریتم‌های بکار رفته در برخی از پژوهش‌های مرتبط، آمده است. سپس، الگوریتم و روشی برای شناسایی خودکار گوشه‌هایِ ردیف دستگاهی موسیقی ایرانی بر اساس رویکردِ میکرو ارائه شده است. در روش پیشنهادی، در درجه نخست تلاش برای شناسایی نغمه‌های یک قطعه موسیقی سنتی ایرانی، به‌عنوان مرحله اولیه و مهم در شناسایی گوشه‌ها و بهبود پارامترهای آن بوده است. پس از این مرحله، با تعریف سیرِ ملودیِ جمله مُعرّف گوشه‌ها و بررسی میزان شباهت آن به کل قطعه، می‌توان گوشه موردنظر را شناسایی کرد.
 

کلیدواژه‌ها


عنوان مقاله [English]

Proposed Method for Note Detection and Automatic Identification of the Melody Models (Gusheh) in Iranian Traditional Music with Micro Approach

نویسندگان [English]

  • amir vafaeian 1
  • Keivan Borna 2
  • Hamed Sajedi 3
  • Dariush Alimohammadi 4
  • Pouya Sarai 5
1 Knowledge and Information Studies, Kharazmi University, Tehran, Iran
2 Assistant Prof., Computer Sciences, Faculty of Mathematical Sciences and Computer, Kharazmi University, Tehran, Iran
3 Assistant Prof., Electronic Engineering, Faculty of Engineering, Shahed University, Tehran, Iran
4 Assistant Prof., Knowledge and Information Studies, Faculty of Psychology and Education, Kharazmi University, Tehran, Iran
5 5. Assistant Prof., Music Department, Faculty of Art, Islamic Azad University Central Tehran Branch, Tehran, Iran
چکیده [English]

One of the most common problems with computer networks is the amount of information in these networks. Meanwhile searching and getting inform about content of textual document, as the most widespread forms of information on such networks, is difficult and sometimes impossible. The goal of multi-document textual summarization is to produce a pre-defined length summary from input textual documents while maximizing documents’ content coverage. This paper presents a new approach for textual document summarization based on paraphrasing and textual entailment relations and formulating the problem as an optimization problem. In this approach the sentences of input documents are clustered according to paraphrasing relation and then the entailment score and final score of a fraction of the header sentences of clusters which have the best score according to the user query is calculated. Finally, the optimization problem is solved via greedy and dynamic programming approaches and while selecting the best sentences, the final summary is generated. The results of implementing the proposed system on standard datasets and evaluation via ROUGE system show that the proposed system outperforms the state-of-the-art systems at least by 2.5% in average.

 Abbasi Layegh, M., Haghipour, S. & Najafi Sarem, Y. (2013). Classification of the Radif of Mirza
Abdollah a canonic repertoire of Persian music using SVM method. Gazi University Journal of
Science, Part A: Engineering and Innovation, Vol. 1, Issue 4: 57-66.
 Abdoli S. (2011). Iranian traditional music Dastgah classification, 12th International Society for Music
Information Retrieval Conference (ISMIR 2011), 275-280.
 Abdollahzadegan, S. (2014). Automatic classification of Iranian traditional music based on scale
(Dastgah). Supervisor: Shahram Jafari. Master's Dissertation, Department of Electrical
Engineering, Shiraz University, Shiraz. (In Persian)
 Asadi, H. (2004). Theoretical foundations of Persian classical music: Dastgah as a multi-modal cycle.
Mahoor Music Quarterly, 6 (22): 43-56. (In Persian)
 Bayat, H. (2013). Classification and Identification of scale (Dastgah) in Iranian music. Supervisor:
Hamed Sajedi. Master's Dissertation, Department of Electronic and Electrical Engineering,
Shahed University, Tehran. (In Persian)
 Behnamnia, B. (2010). Structural study of the Gushes in Nava scale in Mirza Abdollah's repertoire.
Supervisor: Hamidreza Ardalan. Master's Dissertation, Iranian Music Performance, Faculty of
Music, University of Art, Tehran. (In Persian)
 Beigzadeh, B. & Belali Koochesfahani, M. (2016). Classification of Iranian traditional musical modes
(Dastgāh) with artificial neural network. Journal of Theoretical and Applied Vibration and
Acoustics, Vol. 2, Issue 2: 107-118.
 Darabi, N. (2003). Producing and analyzing music digital signals: designing Nava scale programming
language to produce music pieces and automatic recognition of scales (Dastgahs) for Persian
music, Bachelor's Dissertation, Department of Electrical Engineering, Khaje Nasir Toosi
University of Technology, Tehran. (In Persian)
 Dastgah, Iranian Music (2016). Wikipedia, the free encyclopedia. 28
th
 January. Available via:
https://en.wikipedia.org/wiki/Dastgah
 Fakhraddini, F. (2013). Analysis and description of Radifs (repertoires) in Iranian Music. Tehran: Moin
and Music Museum of Iran Publishing Co. (In Persian)
 Fakhraddini, F. (2015). Iranian Music Harmony. Tehran: Moin Publishing Co. (In Persian)
 Farhat, H. (1990). The Dastgah Concept in Persian Music. Translator: Mehdi Poormohammad. Tehran:
Part publication. (In Persian)
 Gavahian Jahromi, E. (2010). Persian Music Classification using Pitch Profile Feature. Supervisor:
Hossein Marvi. Advisor: Ali Soleimani. Master's Dissertation, Faculty of Electrical and Robotic
Engineering, Shahrood University of Technology, Shahrood. (In Persian)
 Hannaneh, M. (1988). Lost Scales: A research on the foundations and concepts of Iranian music.
Soroush Publishing Co. (In Persian)
 Mahmoodan, S. (2012). Automatic classification of audio signals using artificial neural network.
Supervisor: Ayoob Banooshi. Master's Dissertation in Audio Engineering, Department of
Broadcasting, IRIB University, Tehran. (In Persian)
 Nettl, B. (2014). The Radif of Persian Music: Studies of Structure and Cultural Context. Translator: Ali
Shadkam. Tehran: Sooremehr Publishing Co. (In Persian)
 Peivandi, J. (2015). Design an efficient System to Detect Traditional Iranian Music style. Supervisor:
Hadi Soltanizadeh. Master's Dissertation in Artificial Intelligence, Faculty of Electrical and
Computer Engineerin, Semnan University, Semnan. (In Persian)
 Safvat, D. and Caron, N. (2012). Iranian National Music. Translator: Soussan Salimzadeh. Tehran:
Aras Publishing Co. (In Persian)
 Talai, D. (2015). Radif analysis: based on the Notation of Mirza Abdollah's Radif with Annotated visual
description. Tehran: Ney Publishing Co. (In Persian)
 Theoretical Fundamentals of Iranian music (2009). Hossein Alizadeh [et. al]. Tehran: Mahoor Institute
of Culture and Arts. (In Persian)
 

CAPTCHA Image