기계 학습 알고리즘을 이용한 음악의 감정 인식

음악은 오락, 감정 조절, 스트레스 해소에 필수적입니다. Spotify와 같은 디지털 플랫폼의 등장으로 대규모 음악 데이터 세트를 분류하는 것이 중요해졌습니다. 이는 힌디어 노래에서 네 가지 감정인 행복, 슬픔, 차분함, 활력 있는 감정을 탐지하기 위해 기계 학습 프레임워크를 소개합니다. 음악은 인간의 감정을 유발하고 전달하는 독특한 능력을 가지고 있어 예술적 표현과 실용적 응용 모두에서 강력한 매체입니다. 선별된 힌디어 음악 데이터 세트는 20초 길이의 WAV 클립(44.1 kHz)으로 분할되었고, 하이 패스 필터링 및 볼륨 정규화를 통해 전처리되었습니다. 추출된 음향 특징에는: (1) 13차원 MFCCs, (2) 12차원 크로마 벡터, (3) 제로 크로싱 비율, 및 (4) 스펙트럴 롤오프가 포함되었습니다. 데이터는 층화 샘플링을 사용하여 훈련(70%), 검증(15%), 및 테스트(15%) 세트로 분할되었습니다. 세 가지 분류기가 적용되었습니다: 결정 트리(최대 깊이 10), 랜덤 포레스트(100그루, 깊이 12), 및 XGBoost(200 추정기, 학습률 0.1, 깊이 6). XGBoost는 86.4%의 정확성으로 가장 우수한 성과를 보였고, 랜덤 포레스트와 결정 트리는 각각 83.6%와 74.2%를 달성했습니다. "슬픔"과 "차분함"은 가장 많이 혼동된 클래스였습니다(~8%). 결과는 앙상블 모델이 지역 음악에서 감정을 효과적으로 분류하며, 기분 기반 재생목록 및 스마트 음악 시스템과 같은 응용을 지원하는 것을 보여줍니다.