MUSiNET: A Complex Network Model to Explore Underlying Relationship among Musics
Dieses Paper stellt MUSiNET vor, ein neuartiges komplexes Netzwerkmodell, das intrinsische und extrinsische musikalische Merkmale integriert, um globale Song-Beziehungen abzubilden und strukturelle Einblicke über kulturelle Integration und Popularitätsdynamiken zu gewinnen, die eine robuste, datengestützte Alternative zur traditionellen Musikklassifizierung für Anwendungen wie Empfehlung und Entdeckung bieten.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Musik wird seit langem als eine universelle Sprache verstanden, eine Kraft, die in der Lage ist, Emotionen zu wecken und Menschen über enorme kulturelle Grenzen hinweg zu verbinden. Seit Jahrzehnten versuchen Wissenschaftler und Technologen, diese Verbindungen abzubilden, wobei sie sich oft darauf verlassen, wie Hörer das Gehörte beschreiben oder auf breite Kategorien wie Genre-Bezeichnungen zurückgreifen. Diese traditionellen Methoden greifen jedoch oft zu kurz, wenn es darum geht, die subtilen, unsichtbaren Fäden zu erfassen, die Lieder miteinander verbinden. Sie haben Schwierigkeiten zu erklären, warum sich ein Lied aus einem Land für einen Hörer aus einem anderen Land vertraut anfühlen kann oder wie ein Track aus den 1980er Jahren mit einem Hit aus den 2020er Jahren resonieren kann. Um dies zu lösen, haben Forscher die sogenannte komplexe Netzwerkwissenschaft aufgerufen. In diesem Ansatz werden einzelne Objekte – wie etwa Lieder – als Punkte betrachtet, und die Beziehungen zwischen ihnen werden als Linien gezeichnet. Durch die Untersuchung der Form dieser Verbindungen können Wissenschaftler Muster erkennen, die unsichtbar werden, wenn man Lieder einzeln betrachtet. Diese Perspektive verschiebt den Fokus weg davon, was ein Lied als Label bezeichnet wird, hin zu dem, wie es sich tatsächlich verhält und wie es sich mit anderen in einer massiven, globalen Sammlung bezieht.
In einer neuen Studie hat ein Forschungsteam aus Indien eine digitale Landkarte der musikalischen Beziehungen namens MUSiNET erstellt. Anstatt Menschen zu fragen, was ihnen gefällt, ließ das Team die Musik für sich selbst sprechen, indem es tausende von Liedern mithilfe eines Computers analysierte. Sie sammelten einen Datensatz von 5.000 Tracks aus fünf verschiedenen Sprachen: Englisch, Bengali, Hindi, Spanisch und Koreanisch. Für jedes Lied untersuchte der Computer zwei Arten von Informationen. Erstens untersuchte er den Klang selbst und maß dabei Dinge wie die Geschwindigkeit des Beats, wie viel Energie der Track besitzt und wie fröhlich oder traurig er klingt. Zweitens betrachtete er die Fakten, die das Lied umgeben, wie etwa wer es performte, in welchem Jahr es veröffentlicht wurde und wie populär es ist. Die Forscher verglichen dann jedes Lied mit jedem anderen Lied und berechneten einen Wert, der darstellte, wie ähnlich sie sich waren. Wenn zwei Lieder ähnlich genug waren, zog der Computer eine Linie zwischen ihnen. Das Ergebnis war ein riesiges, kompliziertes Netz, in dem jedes Lied ein Knotenpunkt und jede Ähnlichkeit eine Verbindung war.
Die Forscher untersuchten dieses Netz aus drei verschiedenen Blickwinkeln, um dessen Struktur zu verstehen. Auf der kleinsten Ebene betrachteten sie einzelne Lieder, um zu sehen, welche am wichtigsten waren. Sie fanden heraus, dass die am stärksten vernetzten Lieder, oder „Hubs“ (Knotenpunkte), oft aktuelle Hits waren, die durch Streaming-Algorithmen gepusht wurden. Diese Tracks, die häufig aus dem K-Pop-Genre oder anderen modernen Stilen stammen, fungierten als zentrale Sammelpunkte. Das Team entdeckte jedoch auch eine andere Art von wichtigem Lied: die „Bridges“ (Brücken). Dies waren Tracks, die verschiedene Musikgruppen miteinander verbanden, die sich ansonsten nie begegnet wären. Überraschenderweise waren diese Brücken oft ältere Lieder, teils Jahrzehnte alt, und stammten häufig aus regionalen Sprachen wie Hindi und Bengali. Während die modernen Hits dichte Cluster ähnlicher neuer Musik bildeten, fungierten diese älteren Tracks als der Klebstoff, der das gesamte Netzwerk zusammenhielt und verschiedene Kulturen sowie Zeitperioden miteinander verknüpfte.
Als das Team einen Schritt zurücktrat, um das gesamte Netzwerk zu betrachten, stellte es etwas Bemerkenswertes über die Integration der Musik fest. Die überwiegende Mehrheit der Lieder – 99,58 Prozent von ihnen – war Teil einer einzigen, riesigen Gruppe. Das bedeutet, dass fast jedes Lied in ihrer Sammlung von jedem anderen Lied aus erreicht werden konnte, indem man einer Kette von Ähnlichkeiten folgte. Das Netzwerk war nicht in isolierte Inseln von Sprache oder Genre unterteilt; stattdessen war es eine kontinuierliche Landschaft, in der ein Zuhörer theoretisch von einem koreanischen Pop-Song zu einer spanischen Ballade reisen könnte, indem er einfach den musikalischen Fäden folgt. Die Forscher bemerkten auch, dass Songs dazu neigten, sich mit anderen ähnlicher Popularität oder Veröffentlichungsjahre zu verbinden, es jedoch signifikante Ausnahmen gab. Beispielsweise verbanden sich Lieder aus verschiedenen Sprachen oft, wenn sie ähnliche Rhythmen oder Energieniveaus teilten, was bewies, dass die musikalische Verbindung stärker als die Sprachbarriere sein konnte.
Die Studie enthüllte auch, wie die Länge eines Liedes und sein Veröffentlichungsdatum diese Verbindungen beeinflussten. Lieder, die etwa drei bis vier Minuten lang waren, bildeten die dichtesten Cluster, was darauf hindeutet, dass dies der „Sweet Spot“ für musikalische Ähnlichkeit ist. Unterdessen zeigte das Netzwerk, dass Musik oft zu sich selbst zurückkehrt; Songs aus den 1980er Jahren wiesen starke Verbindungen zu modernen Tracks auf, die ähnliche Stile wiederbelebt hatten, wodurch eine Schleife entstand, in der die Vergangenheit und die Gegenwart einander beeinflussen. Die Forscher kamen zu dem Schluss, dass, während Streaming-Plattformen oft die populärsten, algorithmengerechten Songs an die Spitze treiben, die zugrunde liegende Struktur der Musik weitaus vielfältiger und vernetzter ist. Die „Hubs“ von heute mögen die neuen Hits sein, aber die „Bridges“, die die Welt der Musik zusammenhalten, sind oft die zeitlosen, kulturübergreifenden Tracks, die schon lange existieren. Diese Arbeit legt nahe, dass wir, um Musik wirklich zu verstehen und sie effektiv zu empfehlen, über einfache Labels und Popularitätscharts hinausblicken müssen und stattdessen den tiefen, strukturellen Beziehungen folgen sollten, die innerhalb des Klangs selbst existieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.