Analyzing Era Gap Between Music From Billboard and Korean Pop Chart With CNN-Based Music Era Classification
CNN을 이용한 미국과 한국 대중음악 차트의 시대적 차이 분석
- 주제어 (키워드) Popular Music , Era Classification , CNN-based Neural Network , Billboard Hot 100 Chart , Melon Chart , Audio; 대중 음악 , 시대 분류 , CNN-based 뉴럴 네트워크 , 빌보드 핫 100차트 , 멜론 차트 , 오디오
- 발행기관 서강대학교 일반대학원
- 지도교수 정다샘
- 발행년도 2024
- 학위수여년월 2024. 8
- 학위명 석사
- 학과 및 전공 일반대학원 아트&테크놀로지
- 실제 URI http://www.dcollection.net/handler/sogang/000000079218
- UCI I804:11029-000000079218
- 본문언어 영어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
Trends in popular music evolve over time due to societal, technological, and external cultural influences. The changing characteristics of popular music and the impact of Western cultures, particularly US pop, on other cultures present fascinating areas of study. In this research, we developed a novel CNN-based model for era classifica- tion to explore the stylistic influences between cultures. Our study tests the hypothesis that South Korean pop songs prior to the 2000s were influenced by earlier American musical trends, and that this time lag shortened post-2000s. To empirically test and validate this hypothesis, we gathered audio samples from the Billboard Hot 100 in the US and the Melon Chart in South Korea, each representing the most popular songs of their respective time periods. We trained CNN models to classify the musical era using the Billboard dataset and subsequently predicted the era for the Melon chart audio samples. The results clearly demonstrated that Korean pop songs before the 2000s were predicted to be from earlier eras than their actual date of first chart entry, showing an average gap of 7 years. The robustness of our results was further validated by accounting for various artifacts that the model might have learned from, namely the singer’s vocal timbre and engineering aspects of the production (e.g., mastering). Our insights have broad implications beyond classifying the era, extending to understanding the directional pathways of musical influences. Keywords: Popular Music, Era Classification, CNN-based Neural Network, Billboard Hot 100 Chart, Melon Chart, Audio
more초록 (요약문)
대중 음악의 추세는 사회적, 기술적, 외부 문화적 영향으로 인해 시간이 지남에 따라 변화한다. 대중 음악의 변화하는 특성과 특히 미국 팝과 같은 서양 문화의 다른 문화에 대한 영향은 흥미로운 연구 영역을 제시한다. 이 연구에서는 문화 간 스타일 영향을 탐구하기 위해 새로운 CNN 기반 시대 분류 모델을 개발하였다. 본 연구는 2000년대 이전의 한국 팝송이 이전의 미국 음악 트렌드의 영향을 받았으며, 이 시간 차이가 2000년대 이후 줄어들었다는 가설을 검증한다. 이 가설을 실증적으로 테스트하고 검증하기 위해, 미국의 빌보드 핫 100과 한국의 멜론 차트에서 오디오 샘플을 수집하였다. 각각의 차트는 해당 시대의 가장 인기 있는 노래들을 대표한다. 연구팀은 빌보드 데이터셋을 사용하여 음악 시대를 분류하기 위해 CNN 모델을 훈련시키고 이어서 멜론 차트 오디오 샘플의 시대를 예측하였다. 결과는 2000년대 이전의 한국 팝송이 실제 차트 첫 진입 날짜보다 이전 시대로 예측되었으며, 평균 7년의 격차를 보여주었다. 연구 결과는 모델이 학습할 수 있었던 다양한 아티팩트, 즉 가수의 보컬 음색 및 프로덕션의 엔지니어링 측면(예: 마스터링)을 고려함으로써 추가로 검증되었다. 이러한 관찰은 시대를 분류하는 것을 넘어 다른 문화 간 음악 영향의 방향성 경로를 이해하는 데까지 광범위한 함의를 제공한다.
more목차
1 Introduction 7
1.1 Motivation 7
1.2 Objectives 8
2 Background 10
2.1 Evolution of Korean Popular Music 10
2.2 Quantitative Analysis of the Evolution of Popular Music 11
2.3 DNN-based Music Classification Model 12
2.3.1 Deep Learning on Musicology 13
3 Dataset 14
3.1 Billboard Dataset 14
3.1.1 Data Crawling 14
3.1.2 Artist Split 19
3.2 Melon Dataset 20
4 Methodologies 21
4.1 Era Classification Model 21
4.1.1 Convolutional Neural Networks (CNNs) 22
4.1.2 CNN Models 26
4.2 Hierarchical Classification 27
4.3 Training Setting 30
5 Experiment Results 31
5.1 Classification Accuracy 31
5.1.1 Model-wise Accuracy 31
5.1.2 Hierarchical Consistency 35
5.2 Mastering 36
5.3 Voice Conversion 37
6 Era Gap Between US and Korean Pop 39
6.1 Billboard-to-Melon Inference 39
6.2 Inference on Instrument Version 43
6.3 Melon-to-Billboard Prediction 45
7 Case Studies of Era Classification 46
7.1 Analysis of Model Predictions through Loss 46
7.1.1 In Billboard Chart 46
7.1.2 In Melon Chart 48
7.2 Analysis of Model Misclassifications in Temporal Predictions 51
8 Conclusion and Discussion 53
Bibliography 55
