[論文レビュー] An energy-based generative sequence model for testing sensory theories of Western harmony

Peter M. C. Harrison, Marcus T. Pearce|arXiv (Cornell University)|Jul 2, 2018

Neuroscience and Music Perception参考文献 28被引用数 22

ひとこと要約

本稿では、連続的な感覚的協和特徴（調和性、スペクトル距離、ボイス・リーディング距離）を用いたエネルギーに基づく生成的系列モデルを導入し、西洋音楽におけるコード進行への影響を検証する。クラシック、ポップ、ジャズのデータコロナに適用した結果、ボイス・リーディング距離が調性的移行の最も強い予測要因であることが判明し、心理的文脈におけるスペクトル距離の重視に疑問を呈する。

ABSTRACT

The relationship between sensory consonance and Western harmony is an important topic in music theory and psychology. We introduce new methods for analysing this relationship, and apply them to large corpora representing three prominent genres of Western music: classical, popular, and jazz music. These methods centre on a generative sequence model with an exponential-family energy-based form that predicts chord sequences from continuous features. We use this model to investigate one aspect of instantaneous consonance (harmonicity) and two aspects of sequential consonance (spectral distance and voice-leading distance). Applied to our three musical genres, the results generally support the relationship between sensory consonance and harmony, but lead us to question the high importance attributed to spectral distance in the psychological literature. We anticipate that our methods will provide a useful platform for future work linking music psychology to music theory.

研究の動機と目的

• 感覚的協和が西洋音楽の調性的実践にどのように影響するかを統計的に堅牢で特徴ベースの生成的モデルとして分析すること。
• 調和性の3つの側面（調和性、スペクトル距離、ボイス・リーディング距離）がコード系列に与える相対的影響を検証すること。
• 大規模な音楽コーパスを用いて、これらの特徴が調性的遷移に与える影響をモデル化することで、協和特徴の因果的推論を提供すること。
• 心理的文献がスペクトル距離を過剰に重視しているのを、多様な音楽ジャンルにわたる実証的評価によって疑問視すること。

提案手法

• モデルは指数型エネルギーに基づく形式を用い、連続的特徴に基づいて記号的コード系列の確率分布を定義する。
• コード進行はピッチクラス集合として表現され、ピッチクラススペクトルはロールオフパラメータ（ρ）とガウス的部分音を用いた調和的複合音から導出される。
• 特徴寄与度は加法的知覚的重みを介して計算され、各ピッチクラスがその調和的構造と部分音レベルに基づいてスペクトルエネルギーに寄与する。
• モデルのパラメータは最尤推定法により推定され、解釈可能な重みとブートストラップ信頼区間を用いて不確実性を定量化する。
• 特徴の重要度は、一意の説明エントロピーと重みの符号反転を用いて測定され、協和性最大化（正の値＝好まれる）に整合する。
• 特徴重要度の指標を用いたランダムフォレストによるジャンル分類により、協和パターンが音楽的スタイルごとに有意に異なることが検証された。

実験結果

リサーチクエスチョン

• RQ1 調和性、スペクトル距離、ボイス・リーディング距離は、西洋音楽における調性的遷移をどの程度予測できるか？
• RQ2 これらの3つの協和特徴の相対的寄与度は、クラシック、ポップ、ジャズ音楽でどのように異なるか？
• RQ3 スペクトル距離は、心理的モデルが示唆するよりも調性的実践においてより強い役割を果たしているか？
• RQ4 ボイス・リーディング効率性は、スペクトル類似性よりも普遍的な調性的構造の駆動要因となり得るか？
• RQ5 連続的特徴を有する生成的モデルは、音楽における感覚的協和に関する因果的洞察を提供できるか？

主な発見

• ボイス・リーディング距離は、3つの音楽ジャンルすべてにおいて最も一貫して予測力の高い特徴であり、特にクラシックとジャズ音楽で顕著であった。
• スペクトル距離は全体的に弱い予測力であったが、特にジャズにおいて顕著に低かったため、心理的モデルにおける中心的役割に疑問が呈された。
• 調和性はポップ音楽では強い予測要因であったが、クラシックとジャズではそれほど強くなく、ジャンル依存の協和的好みが示唆された。
• モデルの特徴重要度指標を用いた分類は、信頼性が高く（86％の正答率、kappa = .79）、協和パターンがスタイルごとに有意に異なることを確認した。
• 一意の説明エントロピーは、原始的重みや総説明エントロピーに比べ、特徴の相関を制御できるため、因果的推論において優れた指標であることが判明した。
• 結果から、ボイス・リーディング効率性はスペクトル類似性よりも、西洋調性調和の普遍的原則の候補としてより適している可能性がある。