Klasik Türk müziğinde makam tanıma için veri madenciliği kullanımı

Abstract

Müzik eserlerinin sayısal ortama aktarılmasıyla birlikte, bilgisayar bilimleri müzikoloji çalışmalarının içerisinde kendine yer bulmaya başlamıştır. Müzik eserleri bilimsel araştırmalarda veri olarak kullanılmakta ve hesaplamalı müzik alanı bu alanda yapılan çalışmalar ile hızla gelişmektedir. Her ne kadar yapılan çalışmaların büyük bir bölümü sembolik olarak ifade edilmesi daha kolay olan Batı Müziği eserleri üzerine olsa da, Türk Müziği eserleri de artık çeşitli çalışmaların konusu olmaktadır. Türk Müziğinin temeli olan makam sistemi, bilgisayar bilimleri ile uğraşan araştırmacıların dikkatini çekmiş ve Türk Müziği eserler veri madenciliği, makine öğrenmesi, sınıflandırma gibi çalışmaların konusu olmuştur. Bu çalışmada, bir ses dosyasından nota tanıma ile elde edildiği varsayılan ve 1261 Türk Müziği eserine ait sadece nota dizilerini içeren veri dosyası üzerinde makine öğrenmesi metodu ile makam tahmini yapmaya yönelik deneysel bir çalışma gerçekleştirilmiştir. Music XML biçimindeki eserlerin makine öğrenmesi uygulamasında kullanılabilmesi amacıyla bir yazılım geliştirilmiş, bu yazılımla makine öğrenmesinde başarımı arttırmak için özgün veri kümesine dört farklı türetilmiş veri sahası eklenmiştir. Sonuç olarak, ‘Rastgele Orman’algoritması ile makam tanımada %89,7 oranında başarım gözlemlenmiştir.

Computer science has become a popular reseach topic in musicology with the transfer of musical works to digital media. Musical works are used as data in scientific researches and the computational music field is developing rapidly with the work done in this area. Representing Western musical works in symbolic form is easier than Turkish musical works and as a result most of the studies in this area focus on Western Music.However, in the last few years there are some interesting studies on using data mining, machine learning and classification techniques on Turkish maqam system. This study represents an experimental work that uses machine learning to recognize the maqams of the 1261 Turkish musical works. These musical works are assumed to be obtained by note recognition from audio files. We developed a software for using the data in MusicXML format with machine learning. This software also adds four different derived variables to the original data set in order to incerase the performance of the machine learning process. As a result of the study, we observed the perfomance of the “Random Forest” algorithm as 89.7%.