[论文解读] 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 22

一句话总结

本文提出一种基于能量的生成序列模型，利用连续的感官协和特征——谐波性、频谱距离和声部进行距离——测试其对西方音乐和弦进行的影响。该模型应用于古典、流行和爵士曲目，结果表明声部进行距离是和声运动最强的预测因子，挑战了心理学文献中对频谱距离的强调。

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.

研究动机与目标

• 开发一种统计上稳健、基于特征的生成模型，用于分析感官协和性如何塑造西方音乐中的和声实践。
• 测试感官协和性的三个方面——谐波性、频谱距离和声部进行距离——对和弦序列的相对影响。
• 通过使用大规模音乐语料库建模这些特征对和声转换的影响，提供对协和特征的因果推断。
• 通过实证评估其在多样化音乐类型中的作用，挑战心理学文献中对频谱距离的高估。

提出的方法

• 模型采用指数族能量基形式，基于连续特征定义符号和弦序列上的概率分布。
• 和弦进行表示为音高类集合，音高类频谱通过包含滚降参数（ρ）和高斯分量的谐波复音生成。
• 通过加法感知权重计算特征贡献，其中每个音高类根据其谐波结构和分量水平对频谱能量做出贡献。
• 通过最大似然法估计模型参数，采用可解释的权重和自助法置信区间进行不确定性量化。
• 通过唯一解释熵和权重符号反转来衡量特征重要性，以与协和性最大化保持一致（正值 = 偏好）。
• 通过随机森林进行的类型分类，利用特征重要性度量验证了不同音乐风格中协和模式存在显著差异。

实验结果

研究问题

• RQ1 谐波性、频谱距离和声部进行距离在多大程度上能预测西方音乐中的和声转换？
• RQ2 这三种协和特征的相对贡献在古典、流行和爵士音乐中如何变化？
• RQ3 频谱距离在和声实践中的作用是否强于心理学模型所暗示的？
• RQ4 声部进行效率是否比频谱相似性更普遍地驱动和声结构？
• RQ5 具有连续特征的生成模型能否为音乐中感官协和性提供因果洞察？

主要发现

• 声部进行距离在所有三种音乐类型中均表现最为一致的预测能力，尤其在古典和爵士音乐中尤为显著。
• 总体而言，频谱距离的预测能力微弱，尤其在爵士音乐中，挑战了其在和声心理学模型中的核心地位。
• 谐波性在流行音乐中是强有力的预测因子，但在古典和爵士音乐中作用较弱，表明协和偏好具有类型依赖性。
• 模型的特征重要性度量实现了可靠的类型分类（准确率 86%，kappa = .79），证实了不同风格中协和模式存在显著差异。
• 唯一解释熵被发现是因果推断的更优度量指标，相比原始权重或总解释熵，其能有效控制特征之间的依赖性。
• 结果表明，声部进行效率可能比频谱相似性更适合作为西方调性和声普遍原则的候选。