Automatische Erkennung von Cover-Versionen und Plagiaten in ...

Resultate und Perspektiven 93
Grund dafür kann einerseits die Kürze des Features sein. Einzelne Takte, die beispiels-
weise beim THPCP-Feature aufgrund von gleichen Begleitakkorden ähnliche Chroma-
Vektoren ergeben, fallen so mehr ins Gewicht und die Aussagekraft nimmt ab. Anderer-
seits kann auch das fehlerhafte Erkennen von Refrain-Stellen bei Disco-Versionen mit
langen Rhythmus-Passagen – wovon einige im Testset vorhanden waren – ein Grund
sein.
Als Resumee kann man zusammenfassen, dass sich, von den beiden im Rahmen dieser
Arbeit eingeführten Methoden, eine (die Beschreibung eines Musikstücks nur anhand
des Refrains) nicht bewähren, die andere (die Klassifizierung unter Annahme einer
konstanten Tempoänderungen zwischen zwei Songs) jedoch sehr wohl Verbesserungen
bringen konnte. Somit geht das Gesamt-THPCP-Feature in Verbindung mit einer Klas-
sifizierung, die von einem linearen Zeitzusammenhang ausgeht, in dieser Arbeit als die
beste Möglichkeit zur Erkennung von Versionen eines Musikstücks hervor.
5.3 Perspektiven
Nicht untersucht wurde hier die Kombination der beschriebenen Features. Möglicher-
weise lassen sich die Ergebnisse der Versions-Erkennung durch Verbinden von melodie-
und harmonie-basierten Merkmalen verbessern.
Von Interesse für zukünftige Arbeiten in diesem Bereich wäre es jedoch, die Feature
Extraktion zu verbessern. Alle der vorgestellten Schritte sind mit Ungenauigkeiten be-
haftet. Eine tiefgreifende Auseinandersetzung und die Suche nach möglichen Verbes-
serungen für alle von ihnen hätte den Rahmen dieser Arbeit gesprengt. Sie ist jedoch
Gegenstand unterschiedlicher Schwerpunkte im Rahmen des Music Information Retrie-
vals, wie etwa der Tonartbestimmung oder der Melodieerkennung. Es bleibt abzuwarten,
welche Fortschritte in diesen Forschungsbereichen in Zukunft erzielt werden und welche
Möglichkeiten sich daraus für die Versions-Erkennung ergeben.
Auch im Finden neuer repräsentativer Features ist Verbesserungspotential zu erwarten.
Die automatische Transkription, die sich mit dem Rekonstruieren der Notenblätter an-
hand von Audio-Signalen beschäftigt, könnte hier einen wertvollen Beitrag leisten. Kann
man von einer zuverlässigen symbolischen Repräsentation der Musikstücke ausgehen, ist
es wesentlich leichter, aussagekräftige Merkmale zu finden, als rein mit Audio-Signalen
als Ausgangspunkt.
Einen ganz anderen Ansatz stellt das Hinzuziehen vorhandener Metadaten, wie etwa
der Namen der Stücke, dar. Sind diese bei zwei Songs gleich, so kann mit relativ großer