Corso di

Sisitemi Informativi per le Decisioni

A.A. 2006-2007

Prof. Ing. Marco Patella

Lacorte Francesco

Sirianni Paolo

Alma Mater Studiorum – Università di Bologna

Aumento esponenziale dei contenuti musicali

Sviluppo costante di mezzi per l’accesso di musica online (streaming and purchase)

Nuove esigenze:

creare una nuova tassonomia

necessità di nuovi “search & retrieval tools”

Music Information RetrievalMusic Information Retrieval

L’ 80% delle vendite totali

3% dei titoli in commercio

Basate sui classici metadata (artista, genere, anno…)

Basate su approcci collaborativi, tenendo traccia degli acquisti e degli ascolti sui vari portali di utenti con gusti simili (Last.fm)

content-based retrieval (search sui data) effettuato per similitudine su:

- rappresentazioni simboliche (MIDI)

- rappresentazioni acustiche (wav, mp3)

Modalità di classificazione e Modalità di classificazione e ricercaricerca

<<Can you help me discover more music that I'll like? >>

Attività di raccomandazione di contenuti musicali

Rimanda a siti come iTunes e Amazon per l’eventuale acquisto di titoli musicali

Pandora.comPandora.com

Nel 2000 Tim Westergren, promuove un nuovo progetto (commerciale) di classificazione della musica

Music Genome ProjectMusic Genome ProjectTMTM

“gene”

“cromosoma”

“genoma”

L’analisi di ogni brano richiede circa 15-20 minuti da parte di esperti

Ogni canzone è descritta da un insieme di caratteristiche dette “geni”

I geni sono raggruppati in gruppi logici detti cromosomi

L’insieme dei cromosomi vanno a costituire il genoma

Ogni brano risulta in definitiva rappresentato come un vettore di massimo 400 attributi

Alcuni attributi:

Aggressive Female Vocalist

Boogie Woogie Rhythms

Dirty Electric Guitar Riffs

Electric Guitars

Explicit Lyrics

Great Electric Guitar Solo

Major Key Tonality

…http://en.wikipedia.org/wiki/

List_of_Music_Genome_Project_attributes

Source

Core Engine

Identify focus traits

MGP database

User

Find matching

songs

Choose new seed

Select focus Traits for re-

weight

Schema di funzionamentoSchema di funzionamento

Focus traitsFocus traits

Core Engine

raggiunto valore soglia per un certo

gene?

gene identificato

come Definer?

gruppi di geni soddisfano

criteri specifici?

Focus Focus traittrait

Focus Focus traittrait

Focus Focus traittrait

sono individuati applicando le triggering rules al brano seme

rappresentano gli “aspetti” su cui focalizzare la ricerca

possono cambiare nel tempo in seguito ai feedback dell’utente

Evoluzione dinamica dei criteri di creazione della playlist

Visualizzazione dei focus traitsVisualizzazione dei focus traits

Seed song

S = (s1,s2,s3,…,sn)

Cercare K punti geometricamente vicini: problema K-NN

n

i ii ts1

2Distanza (S,T)=

Matching method (song to Matching method (song to song)song)

privilegia le canzoni che hanno molte piccole differenze rispetto a quella seme piuttosto che poche differenze grandi

I “geni” non sono tutti ugualmente importanti:

l’importanza viene espressa mediante un opportuno vettore di pesi: W = (w1,w2,w3,…,wn)

n

i iii tsw1

2Distanza (S,T)=

Ai vettori S e T viene applicata una funzione f(x) per esprimere la non linearità dei dati

2tfsfw

Distanza (S,T)=

Indicizzazione nel databaseIndicizzazione nel database

elevato numero di record (circa 2 milioni di brani ad oggi)

alta dimensionalità dei dati

La distanza di ogni foglia dalla sua leaf-parent è minore della distanza della stessa foglia da qualsiasi altra leaf-parent

La ricerca dei K-NN funziona con una logica di lista (parte dai più vicini ed espande)

Non bilanciato

root

internalnodes

leafparent

data-point

Multi-Song Matching (1)Multi-Song Matching (1)

Il seme può non essere una singola canzone • Viene scelto come “seme” la

discografia di un artista

• Viene scelto come seme un gruppo di canzoni

viene identificato un “brano virtuale” (virtual song) che rappresenta idealmente il centro del seed set

la virtual song è in grado di esprimere l’ ”ampiezza” del set scelto

ci avviciniamo nel senso più ampio del termine ai gusti reali dell’utente

low deviation axis

hig

h d

evia

tion

axis

Multi-Song Matching (2)Multi-Song Matching (2)

La virtual song è rappresentata con una coppia di vettori:

C=(C=(,,…,…,nn esprime le coordinate del centroide nello

spazio multidimensionale

I suoi elementi rappresentano la media aritmetica dei geni del seed set

D=(D=(,…,,…,nn

indica l’ “ampiezza” del set originario

l’i-esimo elemento rappresenta la deviazione standard dell’i-esimo gene nel seed set

Il vettore peso del multi songIl vettore peso del multi song

I valori del vettore varianza possono essere intuitivamente utilizzati per affinare il vettore dei pesi:

2'

i

i

ww

Una varianza bassa (alta) è associata a un gene con un valore “molto (poco) desiderato”

La formula della distanza della virtual song C rispetto a una target song T è espressa quindi come:

n

i iii

i tsw

1

2

2Distanza (C,T)=

In caso di =0 il peso diverrebbe infinitamente grande, viene quindi introdotto un fattore correttivo per ovviare al problema

n

i iii

i tsw

1

2

2 25,0

25,0

Distanza (C,T)=

MindReader MindReader ((Ishikawa, Subramanya, Faloutsos, 1998)Ishikawa, Subramanya, Faloutsos, 1998)

“Indovinare” le preferenze di un utente in base a un set di esempi “positivi” da lui forniti

L’utente fornisce una serie di esempi

L’utente può eventualmente assegnare uno score agli esempi

Gli esempi forniti godono di correlazione spaziale

come dedurre la query implicitamente richiesta dall’utente?

individuare una distanza opportuna partendo dagli esempi

? Euclidea

? Euclidea pesata

qq

Funzione distanza (1)Funzione distanza (1)

generalized ellipsoid distance:

D(x, q) = (x – q)T M (x – q)

qD(x, q) = j k mjk (xj – qj) (xk – qk)

anche

Formulazione del problema:

Dati

N vettori esempio di dimensione n

una scala di valutazione

Trovare

la matrice M ottima Il punto q ottimo

Minimizzare laD(x, q) = (x – q)T M (x – q)

Sotto il vincolodet(M) = 1

Funzione distanza (2)Funzione distanza (2)

Risolvendo con i Moltiplicatori di Lagrange…

Il query point ottimo è dato da:

Teorema 1.

q = x = [x1, …, xn]T= XT v / vi

La matrice ottima delle distanze sarà:

Teorema 2.

M = (det(C))1/n C–1

C = [cjk] è la matrice di

covarianza

cjk = vi (xik - xk) (xij - xj)

Se si restringe la matrice ottima alla sola diagonale si ha:

Teorema 3.

2

1

jjjm

(ovvero quello usato da Pandora per il re-weight)

Conclusioni…

Pandora.com è una realtà economica:

15 milioni di dollari di fatturato nel 2005

5 milioni di utenti giornalieri

Pandora ha creato un nuovo modello di business che inizia a convincere piccole e grandi etichette musicali

Problema del popolamento del database:

Data preparation lunga (su 20-25 minuti per una traccia di 3-4 minuti)

Soggettività nell’attribuzione dei valoriRidotta trasparenza degli effetti dei feedback

Punti deboli: