روش پیشنهادی برای تشخیص نغمه و شناسایی خودکار گوشهها در ردیف موسیقی سنتی ایرانی با رویکرد میکرو
روش پیشنهادی برای تشخیص نغمه و شناسایی خودکار گوشهها در ردیف موسیقی سنتی ایرانی با رویکرد میکرو
عنوان فارسی :
روش پیشنهادی برای تشخیص نغمه و شناسایی خودکار گوشهها در ردیف موسیقی سنتی ایرانی با رویکرد میکرو
عنوان انگلیسی :
Proposed Method for Note Detection and Automatic Identification of the Melody Models (Gusheh) in Iranian Traditional Music with Micro Approach
چکیده:
طراحی سامانهای که بتواند بهطور خودکار دستگاهها و گوشههای موسیقی سنتی ایرانی تشخیص دهد، مدتی است که توجه پژوهشگران ایرانی را در حوزه بازیابی اطلاعات موسیقایی به خود جلب کرده است. ازآنجاکه در این پژوهشها، بهطور عمده به دستهبندی خودکار پنج دستگاه اصلی پرداختهاند و نه تفکیک گوشهها از یکدیگر، پژوهشِ حاضر با هدف ارائه الگوریتم و روشی برای شناسایی خودکار گوشهها در ردیف دستگاهی موسیقی سنتی ایرانی انجام شده است. ازاینرو، ابتدا تعریف و تحلیلی نظاممند از دو مفهوم اصلی موسیقی سنتی ایرانی، یعنی دستگاه و گوشه آمده و پس از معرفی دو رویکرد اساسی در شناسایی خودکار دستگاه و گوشه، روششناسی و الگوریتمهای بکار رفته در برخی از پژوهشهای مرتبط، آمده است. سپس، الگوریتم و روشی برای شناسایی خودکار گوشههایِ ردیف دستگاهی موسیقی ایرانی بر اساس رویکردِ میکرو ارائه شده است. در روش پیشنهادی، در درجه نخست تلاش برای شناسایی نغمههای یک قطعه موسیقی سنتی ایرانی، بهعنوان مرحله اولیه و مهم در شناسایی گوشهها و بهبود پارامترهای آن بوده است. پس از این مرحله، با تعریف سیرِ ملودیِ جمله مُعرّف گوشهها و بررسی میزان شباهت آن به کل قطعه، میتوان گوشه موردنظر را شناسایی کرد.
چکیده انگلیسی:
One of the most common problems with computer networks is the amount of information in these networks. Meanwhile searching and getting inform about content of textual document, as the most widespread forms of information on such networks, is difficult and sometimes impossible. The goal of multi-document textual summarization is to produce a pre-defined length summary from input textual documents while maximizing documents’ content coverage. This paper presents a new approach for textual document summarization based on paraphrasing and textual entailment relations and formulating the problem as an optimization problem. In this approach the sentences of input documents are clustered according to paraphrasing relation and then the entailment score and final score of a fraction of the header sentences of clusters which have the best score according to the user query is calculated. Finally, the optimization problem is solved via greedy and dynamic programming approaches and while selecting the best sentences, the final summary is generated. The results of implementing the proposed system on standard datasets and evaluation via ROUGE system show that the proposed system outperforms the state-of-the-art systems at least by 2.5% in average.
خبرنامه
برای ثبت نام در خبرنامه و دریافت خبرنامه ایمیل خود را وارد نمایید.