[論文レビュー] Automatic Analysis and Influence of Hierarchical Structure on Melody, Rhythm and Harmony in Popular Music

Shuqi Dai, Huan Zhang+1 more|arXiv (Cornell University)|Oct 15, 2020

Music and Audio Processing参考文献 14被引用数 7

ひとこと要約

本稿では、メロディ、和声、リズムにおける繰り返しパターンを用いて、ポップ音楽の階層的音楽構造を自動で検出するデータ駆動型アルゴリズムを提案する。異なる階層レベル（フレーズ対セクション）が、和声進行、メロディックな形状、ノートの持続時間に異なる影響を及ぼすことが明らかになった。構造検出の正確性は93%であり、構造的特徴とドミナント・コード終止やトニック・リポーズといった音楽的慣習との強い相関関係が確認された。

ABSTRACT

Repetition is a basic indicator of musical structure. This study introduces new algorithms for identifying musical phrases based on repetition. Phrases combine to form sections yielding a two-level hierarchical structure. Automatically detected hierarchical repetition structures reveal significant interactions between structure and chord progressions, melody and rhythm. Different levels of hierarchy interact differently, providing evidence that structural hierarchy plays an important role in music beyond simple notions of repetition or similarity. Our work suggests new applications for music generation and music evaluation.

研究の動機と目的

• 繰り返しと類似性を用いて、ポップ音楽における多段階の音楽的構造を自動で検出する手法を開発すること。
• 階層が単なる繰り返しを超えて、和声、メロディ、リズムにどのように影響を与えるかを調査すること。
• 伝統的な音楽理論の概念を支持または反証するデータ駆動型の証拠を提供すること。
• 音楽生成、評価、分析のための新しい構造的特徴を創出すること。
• 70年間にわたるポップ音楽における音楽的構造の時間的傾向を探索すること。

提案手法

• 本手法は、MIDIデータからメロディ、和声、リズムにおける繰り返しパターンを特定することで、フレーズを検出する繰り返しベースのアルゴリズムを用いる。
• 構造的類似性と時間的近接性に基づいて、フレーズをセクションにグループ化する階層的クラスタリング手法を適用する。
• アルゴリズムは、人間がラベル付けを施したMIDIデータを用いて訓練および評価され、構造検出の正確性が93%に達した。
• 構造的位置（フレーズの終端、セクションの終端）における和声進行（例：V–I）の遷移確率を計算する。
• 構造的レベルごとに、和音の文脈（Iコード、メジャー・モード）を条件として、メロディックな音高分布を分析する。
• フレーズの開始部、中間部、終了部におけるノート持続時間の分布を比較し、構造に関連するリズム的パターンを同定する。

実験結果

リサーチクエスチョン

• RQ1 フレーズ対セクションという、音楽的階層の異なるレベルが、ポップ音楽における和声進行のパターンにどのように影響を与えるか。
• RQ2 メロディックな音高分布は、構造的位置（例：フレーズの終端対セクションの終端）によってどのように変化するか。
• RQ3 リズム的パターン、特にノート持続時間は、フレーズやセクションの開始部、中間部、終了部でどのように異なるか。
• RQ4 構造的特徴が、ドミナント・コード終止やトニック・リポーズといった音楽的慣習とどの程度相関しているか。
• RQ5 ポップ音楽において、フレーズの複雑さやフレーズ間類似度といった構造的特徴は、時間の経過とともにどのように変化してきたか。

主な発見

• フレーズの終端におけるV–Iコード終止の確率は0.89であり、セクションの終端では0.94に上昇し、より強い解決が高レベルの構造で見られる。
• メロディーにおけるスケール度数ˆ1は、セクションの終端で顕著に有意に高い頻度で出現する（p < .01）。一方、ˆ3はフレーズの開始部でより一般的である。
• 全音符以上（whole-or-longer）のノートの72%が、セクションを終えるフレーズの終端に現れるが、セクションの中間部にあるフレーズの終端ではわずか6.4%にとどまる。
• フレーズ間類似度は作曲年と負の相関を示す（p < .01）、時間の経過とともにセクション間の対比が強くなっていることを示唆する。
• 情報理論的エントロピーを用いたフレーズの複雑さは、作曲年とともに増加する（p < .002）、これはフレーズが長くなり、和声の多様性が増していることを反映している。
• 人間によるラベル付けデータと比較したところ、アルゴリズムは93%の正確性で階層的構造を検出できた。