論文の概要: The Music Meta Ontology: a flexible semantic model for the
interoperability of music metadata
- arxiv url: http://arxiv.org/abs/2311.03942v1
- Date: Tue, 7 Nov 2023 12:35:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 15:33:25.565215
- Title: The Music Meta Ontology: a flexible semantic model for the
interoperability of music metadata
- Title（参考訳）: Music Meta Ontology: 音楽メタデータの相互運用性のための柔軟なセマンティックモデル
- Authors: Jacopo de Berardinis, Valentina Anita Carriero, Albert
Mero\~no-Pe\~nuela, Andrea Poltronieri, Valentina Presutti
- Abstract要約: アーティスト,作曲,演奏,録音,リンクに関連する音楽メタデータを記述するために,音楽メタオントロジーを導入する。
モデルの最初の評価、他のスキーマへのアライメント、データ変換のサポートを提供します。
- 参考スコア（独自算出の注目度）: 0.39373541926236766
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The semantic description of music metadata is a key requirement for the
creation of music datasets that can be aligned, integrated, and accessed for
information retrieval and knowledge discovery. It is nonetheless an open
challenge due to the complexity of musical concepts arising from different
genres, styles, and periods -- standing to benefit from a lingua franca to
accommodate various stakeholders (musicologists, librarians, data engineers,
etc.). To initiate this transition, we introduce the Music Meta ontology, a
rich and flexible semantic model to describe music metadata related to artists,
compositions, performances, recordings, and links. We follow eXtreme Design
methodologies and best practices for data engineering, to reflect the
perspectives and the requirements of various stakeholders into the design of
the model, while leveraging ontology design patterns and accounting for
provenance at different levels (claims, links). After presenting the main
features of Music Meta, we provide a first evaluation of the model, alignments
to other schema (Music Ontology, DOREMUS, Wikidata), and support for data
transformation.
- Abstract（参考訳）: 音楽メタデータのセマンティック記述は、情報検索と知識発見のために調整、統合、アクセス可能な音楽データセットを作成するための重要な要件である。
それにもかかわらず、様々なジャンル、スタイル、時代から生じる音楽概念の複雑さにより、様々な利害関係者(音楽学者、司書、データエンジニアなど)を収容するリンガ・フランカの利益を享受するためである。
この移行を開始するために、アーティスト、作曲、パフォーマンス、録音、リンクに関連する音楽メタデータを記述するリッチで柔軟なセマンティックモデルであるMusic Meta Ontologyを導入する。
データエンジニアリングの極端な設計方法論とベストプラクティスに従い、様々な利害関係者の視点と要求をモデルの設計に反映するとともに、オントロジーデザインパターンを活用し、さまざまなレベルの出所(要求、リンク)を計算します。
Music Metaの主な機能を提示した後、モデルの最初の評価、他のスキーマ(Music Ontology, DOREMUS, Wikidata)へのアライメント、データ変換のサポートを提供する。
関連論文リスト
- A Survey of Foundation Models for Music Understanding [60.83532699497597]
この研究は、AI技術と音楽理解の交差に関する初期のレビューの1つである。
音楽理解能力に関して,近年の大規模音楽基盤モデルについて検討,分析,検証を行った。
論文 参考訳（メタデータ） (2024-09-15T03:34:14Z) - MMT-BERT: Chord-aware Symbolic Music Generation Based on Multitrack Music Transformer and MusicBERT [44.204383306879095]
シンボリック・マルチトラック音楽生成に特化して設計された新しいシンボリック・ミュージック表現とジェネレーティブ・アディバーショナル・ネットワーク(GAN)フレームワークを提案する。
頑健なマルチトラック・ミュージック・ジェネレータを構築するため,事前学習したMusicBERTモデルを微調整して判別器として機能し,相対論的標準損失を取り入れた。
論文 参考訳（メタデータ） (2024-09-02T03:18:56Z) - Foundation Models for Music: A Survey [77.77088584651268]
ファンデーションモデル(FM)は音楽を含む様々な分野に大きな影響を与えている。
本総説では,音楽の事前学習モデルと基礎モデルについて概観する。
論文 参考訳（メタデータ） (2024-08-26T15:13:14Z) - MuPT: A Generative Symbolic Music Pretrained Transformer [56.09299510129221]
音楽の事前学習におけるLarge Language Models (LLM) の適用について検討する。
生成過程の異なるトラックからの不整合対策に関連する課題に対処するために,SMT-ABC Notation(Synchronized Multi-Track ABC Notation)を提案する。
私たちのコントリビューションには、最大8192個のトークンを処理可能な一連のモデルが含まれており、トレーニングセットの象徴的な音楽データの90%をカバーしています。
論文 参考訳（メタデータ） (2024-04-09T15:35:52Z) - From West to East: Who can understand the music of the others better? [91.78564268397139]
我々は、異なる音楽文化間の類似性についての洞察を導き出すために、伝達学習手法を活用する。
西洋音楽の2つのデータセット、地中海東部の文化に由来する伝統的・民族的な2つのデータセット、インドの芸術音楽に属する2つのデータセットを使用します。
CNNベースの2つのアーキテクチャとTransformerベースのアーキテクチャを含む3つのディープオーディオ埋め込みモデルがトレーニングされ、ドメイン間で転送される。
論文 参考訳（メタデータ） (2023-07-19T07:29:14Z) - A Dataset for Greek Traditional and Folk Music: Lyra [69.07390994897443]
本稿では,80時間程度で要約された1570曲を含むギリシャの伝統音楽と民俗音楽のデータセットについて述べる。
このデータセットにはYouTubeのタイムスタンプ付きリンクが組み込まれており、オーディオやビデオの検索や、インスツルメンテーション、地理、ジャンルに関する豊富なメタデータ情報が含まれている。
論文 参考訳（メタデータ） (2022-11-21T14:15:43Z) - The HaMSE Ontology: Using Semantic Technologies to support Music
Representation Interoperability and Musicological Analysis [0.34265828682659694]
本研究では,音楽学研究を支援する音楽的特徴を記述可能なオントロジーであるHaMSEを提案する。
これを実現するために、HaMSEは異なる音楽表現システム間のアライメントを可能にし、異なるレベルの音楽分析を可能にする音楽的特徴のセットを記述する。
論文 参考訳（メタデータ） (2022-02-11T18:26:24Z) - Multi-task Learning with Metadata for Music Mood Classification [0.0]
ムード認識は音楽情報学において重要な問題であり、音楽発見とレコメンデーションに重要な応用がある。
マルチタスク学習手法を提案する。この手法では、共有されたモデルが、気分やメタデータの予測タスクに対して同時に訓練される。
我々の手法を既存の最先端の畳み込みニューラルネットワークに適用することにより、その性能を継続的に改善する。
論文 参考訳（メタデータ） (2021-10-10T11:36:34Z) - MusicBERT: Symbolic Music Understanding with Large-Scale Pre-Training [97.91071692716406]
シンボリック・ミュージックの理解(シンボリック・ミュージックの理解)とは、シンボリック・データから音楽を理解することを指す。
MusicBERTは、音楽理解のための大規模な事前訓練モデルである。
論文 参考訳（メタデータ） (2021-06-10T10:13:05Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。