Idealize

Vrolijk of verdrietig

Pieter Kanters, student aan de Universiteit van Tilburg, heeft een programma ontwikkeld dat muziek in kan delen in verschillende categorieën op basis van emotie. Hiervoor analyseerde de student de liedteksten waardoor de computer makkelijk kan bepalen of het om een vrolijk of verdrietig nummer gaat.

Eerder niet succesvol

Wetenschappers hebben al vaker geprobeerd om muziek automatisch te classificeren aan de hand van toonsoort of tempo, maar slaagden niet. Kanters zoekt het dus in een andere hoek, namelijk die liedteksten. De tekst bevat meestal emotioneel beladen woorden die een goede aanwijzing geven over de sfeer van het nummer.

Emotielabels voorspellen

Kanters gebruikte voor zijn onderzoek meer dan 5600 nummers. Deze nummers waren al voorzien van emotielabels door de gebruikers van Moody, een iTunes-applicatie. Eerst maakte een computer een taalkundige analyse van de songteksten. Zo wist Kanters precies hoe lang de liedteksten waren en hoe vaak elk woord voorkwam. Met machine learning technieken bouwde Kanters vervolgens een systeem dat met alle bekende gegevens leerde om de emotie van een liedje te voorspellen.

Woordfrequentie en relevantie

In de testfase bekeek Kanters welke tekstkenmerken het beste de emotie van het liedje voorspelden. Hij vergeleek hierbij de resultaten van zijn systeem met de labels die Moody-gebruikers aan de liedjes gaven. Een combinatie van woordfrequentie en relevantie bleek te leiden tot het beste resultaat.

Songtekst in mp3

Voorwaarde voor het programma is wel dat de liedteksten opgeslagen zijn in de mp3. Pas daarna kan het de tekst analyseren en het nummer categoriseren. Dat is nu vaak nog niet het geval. De gebruiker zal dan eerst de tekst van internet moeten halen. In de toekomst kan software ontwikkeld worden dat ook dit automatisch voor de gebruiker doet.