J 2023

Classification of Interpretation Differences in String Quartets Based on the Origin of Performers

SPURNÝ, Lubomír, Matěj IŠTVÁNEK a Štěpán MIKLÁNEK

Základní údaje

Originální název

Classification of Interpretation Differences in String Quartets Based on the Origin of Performers

Autoři

SPURNÝ, Lubomír (203 Česká republika, garant, domácí), Matěj IŠTVÁNEK (203 Česká republika) a Štěpán MIKLÁNEK (203 Česká republika)

Vydání

Applied Sciences-Basel, BASEL, MDPI AG, 2023, 2076-3417

Další údaje

Jazyk

angličtina

Typ výsledku

Článek v odborném periodiku

Obor

20202 Communication engineering and systems

Stát vydavatele

Švýcarsko

Utajení

není předmětem státního či obchodního tajemství

Odkazy

Impakt faktor

Impact factor: 2.700 v roce 2022

Kód RIV

RIV/00216224:14210/23:00134454

Organizační jednotka

Filozofická fakulta

UT WoS

000957406100001

Klíčová slova česky

česká hudba; smyčcový kvartet; analýza interpretačního výkonu; získávání informací; automatické učení; software

Klíčová slova anglicky

Czech music; string quartet; music analysis; classification; interpretation; machine learning; music information retrieval; origin; synchronization

Štítky

Příznaky

Mezinárodní význam, Recenzováno
Změněno: 26. 3. 2024 11:39, doc. PhDr. Martin Flašar, Ph.D.

Anotace

V originále

Music Information Retrieval aims at extracting relevant features from music material, while Music Performance Analysis uses these features to perform semi-automated music analysis. Examples of interdisciplinary cooperation are, for example, various classification tasks—from recognizing specific performances, musical structures, and composers to identifying music genres. However, some classification problems have not been addressed yet. In this paper, we focus on classifying string quartet music interpretations based on the origin of performers. Our dataset consists of string quartets from composers A. Dvořák, L. Janáček, and B. Smetana. After transferring timing information from reference recordings to all target recordings, we apply feature selection methods to rank the significance of features. As the main contribution, we show that there are indeed origin-based tempo differences, distinguishable by measure durations, by which performances may be identified. Furthermore, we train a machine learning classifier to predict the performers’ origin. We evaluate three different experimental scenarios and achieve higher classification accuracy compared to the baseline using synchronized measure positions.

Návaznosti

TL05000527, projekt VaV
Název: Paměť zvuku: evoluční principy interpretační tradice české hudby na příkladu děl Antonína Dvořáka a Bedřicha Smetany
Investor: Technologická agentura ČR, Paměť zvuku: evoluční principy interpretační tradice české hudby na příkladu děl Antonína Dvořáka a Bedřicha Smetany