Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Automatische Erkennung von Cover-Versionen und Plagiaten in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
E<strong>in</strong>leitung 1<br />
1 E<strong>in</strong>leitung<br />
Die vorliegende Arbeit widmet sich der automatischen <strong>Erkennung</strong> verschiedener Versio-<br />
nen e<strong>in</strong>es Musikstücks. In diesem Kapitel wird der Nutzen, den Systeme mit derartiger<br />
Funktionalität br<strong>in</strong>gen, erläutert <strong>und</strong> die genauen Ziele sowie der Aufbau dieser Arbeit<br />
dargelegt.<br />
1.1 Motivation<br />
Die Menge der zur Zeit erhältlichen Musikstücke ist <strong>in</strong> unüberschaubare Größen ge-<br />
wachsen. Alle<strong>in</strong> der Onl<strong>in</strong>e-Shop iTunes 1 bietet bereits über 5 Millionen Titel zum<br />
Verkauf an. Aber auch bei privaten Musiksammlungen ist e<strong>in</strong> Umfang <strong>von</strong> mehreren<br />
tausend Songs schon lange ke<strong>in</strong>e Seltenheit mehr. In diesem Kontext gew<strong>in</strong>nen Sys-<br />
teme zur automatischen Verwaltung <strong>und</strong> Organisation derartiger Musik-Sammlungen<br />
zunehmend an Bedeutung, zumal die Benutzer manchmal gar nicht mehr wissen, welche<br />
Musikstücke sie im e<strong>in</strong>zelnen tatsächlich besitzen.<br />
Vor diesem H<strong>in</strong>tergr<strong>und</strong> entwickelte sich das Gebiet des Music Information Retrieval,<br />
dem auch diese Arbeit zuzurechnen ist. Es beschäftigt sich damit, aus den unterschied-<br />
lichen Formen, <strong>in</strong> denen Musik vorliegen kann – angefangen <strong>von</strong> Audio-Signalen <strong>in</strong><br />
verschiedenen Formaten, über symbolische Repräsentationen wie MIDI-Dateien bis h<strong>in</strong><br />
zu e<strong>in</strong>fachen Notenblättern – möglichst vielseitige Metadaten zu extrahieren. In der<br />
Literatur oft behandelte Aufgabenstellungen s<strong>in</strong>d etwa die automatische Zuordnung<br />
e<strong>in</strong>es Songs zu e<strong>in</strong>em Genre, das Erkennen der Melodiestimme <strong>in</strong> polyphonen Stücken<br />
oder die Empfehlung bestimmter Songs aufgr<strong>und</strong> <strong>von</strong> Ähnlichkeiten. Die Methoden,<br />
die dazu verwendet werden, stammen aus den Bereichen der Signalverarbeitung, der<br />
Mustererkennung, dem Data- sowie Web-M<strong>in</strong><strong>in</strong>g, dem Masch<strong>in</strong>ellen Lernen <strong>und</strong> der<br />
Psychoakustik.<br />
Die spezielle Aufgabenstellung im Rahmen dieser Arbeit ist das Erkennen unterschied-<br />
licher <strong>Versionen</strong> e<strong>in</strong>es gleichen Musikstücks. Der Nutzen, der e<strong>in</strong>em Benutzer daraus<br />
1 http://www.apple.com/at/itunes/