[论文解读] Characterization of the degree of Musical non-Markovianity

Maria Mannone, Giuseppe Compagno|arXiv (Cornell University)|Jun 2, 2013

Music Technology and Sound Studies被引用 5

一句话总结

本文提出了一种新颖的音乐非马尔可夫性度量——通过受量子物理启发的方法，利用矩阵距离度量来衡量音乐作品中的记忆程度。通过从音乐参数（如音高和音符起始时间）构建归一化分布矩阵，计算出记忆度，结果在三首风格迥异的作品中与人类感知高度一致：贝尔尼尼的《Dolente Immagine》（高记忆度）、马德纳的《Solo》（低记忆度）以及格拉斯的《Metamorphosis 3》（中等记忆度）。

ABSTRACT

Recently, as an aid for musical analysis, in computational musicology mathematical and informatics tools have been developed to quantitatively characterize some aspects of musical compositions. To a musical composition can be attributed by ear a certain amount of memory. This results associated to repetitions and similarities of the patterns in musical scores. To higher variations, a lower amount of memory is perceived. However musical memory of a score has never been quantitatively defined. Here we aim to give such a measure following an approach similar to that used in Physics to quantify the memory (non-Markovianity) of open quantum systems. We have applied this measure to some existing musical compositions, showing that the results obtained via this quantifier agree with what one expects by ear. The Musical non-Markovianity quantifier can thus be used as a new tool that can aid quantitative musical analysis.

研究动机与目标

• 开发一种音乐记忆的定量度量方法，定义为作品中重复性与模式相似性的程度。
• 将开放量子系统中的非马尔可夫性判据适配至乐谱分析中，其中记忆以重复的结构模式编码。
• 通过与人类听觉感知对比验证所提出的度量方法，确保其与音乐中记忆的直观预期保持一致。
• 为音乐学家与计算音乐学家提供一种新的分析工具，用于比较不同作曲家、流派或音乐形式之间的记忆水平。

提出的方法

• 通过将音乐参数（如音高、起始时间）在序列中相对于其均值的偏差进行归一化，构建音乐矩阵。
• 将归一化偏差范围划分为四个区间（0–0.25，0.25–0.5，0.5–0.75，0.75–1），将数据分箱为4×4矩阵。
• 通过将每个矩阵元素除以音符总数对矩阵元素进行归一化，确保在不同长度与音符密度的序列间具有可比性。
• 应用基于密度矩阵间距离的非马尔可夫性度量（源自量子物理），以测量记忆度。
• 使用所得度量 $\mathcal{M}_C$ 比较不同作品之间的记忆水平。
• 通过合成示例与已知感知记忆特征的真实作品对方法进行验证。

实验结果

研究问题

• RQ1 能否基于量子非马尔可夫性概念，定义一种音乐记忆的定量度量？
• RQ2 所提出的度量 $\mathcal{M}_C$ 是否与人类对音乐作品中记忆的感知相关？
• RQ3 在具有不同风格特征（如古典、先锋派、极简主义）的作品中，记忆度如何变化？
• RQ4 该方法能否基于客观度量，区分具有高、中、低重复模式的作品？
• RQ5 该度量在多大程度上可用于比较不同作曲家、音乐流派或音乐结构之间的记忆水平？

主要发现

• 所提出的非马尔可夫性度量 $\mathcal{M}_C$ 成功捕捉了不同作品间感知记忆差异，较高值对应更强的重复性与结构相似性。
• 贝尔尼尼的《Dolente Immagine》（采用古典A-B-A曲式）的 $\mathcal{M}_C$ 值较高，与主题重复性强的特征一致。
• 马德纳的《Solo》（先锋派作品，重复性较低）表现出显著较低的 $\mathcal{M}_C$ 值，与其实质缺乏结构记忆的感知相符。
• 菲利普·格拉斯的《Metamorphosis 3》（极简主义作品，具有渐变式演变）展现出中等水平的 $\mathcal{M}_C$ 值，反映出其细微而持续演化的重复特征。
• 在合成示例中，该方法表现出一致性，矩阵距离正确反映了预期的记忆水平。
• 该算法具有可扩展性，可实现自动化，适用于跨流派或作曲家的大规模音乐作品记忆水平比较。