平成 15 年度修士学位論文スペクトログラムにもとづく音楽情報へのマイニング技術の適用松田卓久（Matsuda Takahisa）内容梗概近年，コンピュータをはじめとする電子機器やネット環境の目覚しい発達により，様々な情報を容易に手にすることができる．だが，画像，動画などマルチメディアファイルに対する検索技術はいくつか提案されているがまだ実用化されておらず，実用化されていたとしても，マルチメディアファイルに付属しているテキスト・数値情報による検索であり，マルチメディアファイルそのものによる検索，すなわち内容検索の技術は未だ発展途上である．そこで本論文では，マルチメディアファイルの中でも特に音楽ファイルに対してマイニング技術を適用し，直接，検索や分析に応用する手法である音楽マイニングを提案し，その手法の有効性について述べる．マイニング技術とは，データの中に潜んでいる価値ある情報を掘り出すことを目的とした大規模データに対応可能なデータ処理技術である．本研究では，とりわけここ最近では扱われることが少なかったオーディオファイルに着目している．オーディオファイルに対してフーリエ変換を用いることで，オーディオファイルを時刻，周波数，音の強さをグラフで表したものであるスペクトログラムを得ることができる．それを本論文ではある一定の規則を与えることで一単語に置き換え，一曲を通して変換することでオーディオファイルをテキストデータにする．そのテキストデータ内に出てくる単語の出現頻度を数え，曲ベクトルを定義した後，曲と曲との非類似度を表す曲間距離を定義する．こうして得られた曲間距離をマイニング技術の中のクラスタ分析を用いていくつかのグループに分類する．その分類結果は，音楽市場の将来の予測・展望，マーケティングへの利用などに活かすことができる．実際，クラスタ分析の結果と現在の日本における音楽市場の動向と一致し，マーケティングを行うときの新たな軸を提案した．また，「明るい」「穏やかである」といった形容語による音楽検索である感情価検索や，持っているオーディオファイルと似ているオーディオファイルを探す内容検索も，先に定義した曲間距離を利用することで実現できる．本論文ではその両方の検索ができる音楽検索システムを作り，評価実験を行い有用性を示した．更に将来，人間の感情に変化や，新たなオーディオファイルがデータベースに登録されることを見据えて，検索システムにフィードバック機構を付け加えることを提案した． Abstract In recent years, various information can be easily obtained by the remarkable development of the internet and computers. Technologies to retrieve multimedia files such as images and movies are proposed. Though, they are still under way. In this paper, by employing the mining technologies to the multimedia files especially music files, we propose the music mining which is the technique applying direct search and analysis, and state the validity of the technique. Mining technology is a data processing technology that has the ability to correspond large scale data, whose propose is to mine the valuable information inside data. We focus on audio files that have not been investigated recently. A spectrogram can be obtained by applying Fourier transformation to an audio file. By giving the certain rule described in the paper, the spectrogram is transposed into one word, and finally converts them into text data for a whole song. From dissimilarity of each text data, we define “musical distance” that explains dissimilarity between the songs. Sets of musical distance are classified by cluster analysis, one of mining technologies. Results of classifications can be applied to forecasting and marketing of music industries. In fact, the results of cluster analysis accorded with the trend of music markets in Japan. We propose two types of retrievals. One is affective value retrieval, (the music retrieval that uses the adjectives such as “bright” and “gentle”). The other is content-based retrieval, (finds audio files that are similar to what the users own), can be realized by utilizing the previously defined musical distance. We build music retrieval system that enables both ways of retrievals, and have some experimenters use the system to measure its accuracy and show its utility.