MUSiNET: A Complex Network Model to Explore Underlying Relationship among Musics
यह शोध पत्र MUSiNET को प्रस्तुत करता है, जो एक नवीन जटिल नेटवर्क मॉडल है जो वैश्विक गीत संबंधों को मैप करने के लिए आंतरिक और बाह्य संगीत विशेषताओं को एकीकृत करता है, जिससे सांस्कृतिक एकीकरण और लोकप्रियता गतिशीलता के बारे में संरचनात्मक अंतर्दृष्टि का पता चलता है जो अनुशंसा और खोज जैसे अनुप्रयोगों के लिए पारंपरिक संगीत वर्गीकरण का एक सुदृढ़, डेटा-संचालित विकल्प प्रदान करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
संगीत को लंबे समय से एक सार्वभौमिक भाषा के रूप में समझा गया है, एक ऐसी शक्ति जो भावनाओं को जगा सकती है और विशाल सांस्कृतिक विभाजनों के बीच लोगों को जोड़ सकती है। दशकों से, वैज्ञानिक और प्रौद्योगिकीविद् इन संबंधों का मानचित्रण करने का प्रयास कर रहे हैं, जो अक्सर इस बात पर निर्भर करते हैं कि श्रोता क्या सुनते हैं इसका वर्णन कैसे करते हैं या शैली (genre) के लेबल जैसे व्यापक श्रेणियों पर आधारित होते हैं। हालाँकि, ये पारंपरिक तरीके उन सूक्ष्म, अदृश्य धागों को समझने में विफल रहते हैं जो गीतों को एक साथ बांधते हैं। वे यह समझाने में संघर्ष करते हैं कि क्यों एक देश का गाना दूसरे देश के श्रोता को परिचित लग सकता है, या कैसे 1980 के दशक का एक ट्रैक 2020 के किसी हिट गाने के साथ तालमेल बिठा सकता है। इसे हल करने के लिए, शोधकर्ताओं ने 'कॉम्प्लेक्स नेटवर्क साइंस' नामक क्षेत्र की ओर रुख किया है। इस दृष्टिकोण में, व्यक्तिगत वस्तुओं—जैसे गीतों—को बिंदुओं के रूप में माना जाता है, और उनके बीच के संबंधों को रेखाओं के रूप में खींचा जाता है। इन संबंधों के आकार का अध्ययन करके, वैज्ञानिक उन पैटर्न को देख सकते हैं जो गीतों को एक-एक करके देखने पर अदृश्य होते हैं। यह परिप्रेक्ष्य इस बात पर ध्यान केंद्रित करने के बजाय कि एक गीत को क्या लेबल दिया गया है, इस पर स्थानांतरित हो जाता है कि वह वास्तव में एक विशाल, वैश्विक संग्रह में कैसे व्यवहार करता है और दूसरों से कैसे संबंधित होता है।
एक नए अध्ययन में, भारत की एक शोध टीम ने संगीत संबंधों का एक डिजिटल मानचित्र बनाया है जिसे MUSI NET कहा जाता है। लोगों से यह पूछने के बजाय कि उन्हें क्या पसंद है, टीम ने कंप्यूटर का उपयोग करके हजारों गीतों का विश्लेषण करके संगीत को स्वयं बोलने दिया। उन्होंने पांच अलग-अलग भाषाओं: अंग्रेजी, बंगाली, हिंदी, स्पेनिश और कोरियाई के 5,000 ट्रैक का डेटासेट एकत्र किया। प्रत्येक गीत के लिए, कंप्यूटर ने दो प्रकार की जानकारी देखी। सबसे पहले, इसने ध्वनि का परीक्षण किया, जिसमें बीट की गति, ट्रैक की ऊर्जा और वह कितना खुश या उदास है जैसी चीजों को मापा गया। दूसरा, इसने गीत के आसपास के तथ्यों को देखा, जैसे कि किसने इसे प्रस्तुत किया, इसे किस वर्ष रिलीज़ किया गया था, और यह कितना लोकप्रिय है। शोधकर्ताओं ने फिर हर गीत की तुलना हर दूसरे गीत से की, और एक स्कोर की गणना की जो यह दर्शाता था कि वे कितने समान हैं। यदि दो गीत पर्याप्त समान थे, तो कंप्यूटर ने उनके बीच एक रेखा खींच दी। इसका परिणाम एक विशाल, जटिल जाल था जहाँ प्रत्येक गीत एक नोड था और प्रत्येक समानता एक संबंध थी।
शोधकर्ताओं ने इस वेब को तीन अलग-अलग कोणों से समझा। सबसे सूक्ष्म स्तर पर, उन्होंने व्यक्तिगत गीतों को देखा कि कौन से सबसे महत्वपूर्ण हैं। उन्होंने पाया कि सबसे अधिक जुड़े हुए गीत, या "हब्स" (hubs), अक्सर हाल के हिट्स थे जिन्हें स्ट्रीमिंग एल्गोरिदम द्वारा बढ़ावा दिया गया था। ये ट्रैक, जो अक्सर के-पॉप (K-pop) शैली या अन्य आधुनिक शैलियों से थे, केंद्रीय सभा स्थलों के रूप में कार्य करते थे। हालाँकि, टीम ने एक अलग प्रकार के महत्वपूर्ण गीत की भी खोज की: "ब्रिज" (bridges/सेतु)। ये वे ट्रैक थे जो संगीत के उन विभिन्न समूहों को जोड़ते थे जो अन्यथा कभी नहीं मिलते। आश्चर्यजनक रूप से, ये ब्रिज अक्सर पुराने गीत थे, जो कभी-कभी दशकों पुराने थे, और अक्सर हिंदी और बंगाली जैसी क्षेत्रीय भाषाओं से आते थे। जबकि आधुनिक हिट्स ने समान नए संगीत के घने क्लस्टर बनाए, इन पुराने ट्रैक्स ने पूरे नेटवर्क को एक साथ जोड़ने वाले गोंद के रूप में कार्य किया, जो विभिन्न संस्कृतियों और समय काल को जोड़ते थे।
जब टीम ने पूरे नेटवर्क को समग्र रूप से देखा, तो उन्होंने पाया कि संगीत वास्तव में कितना एकीकृत है। गीतों का विशाल बहुमत—99.58 प्रतिशत—एक ही विशाल समूह का हिस्सा था। इसका अर्थ है कि उनके संग्रह का लगभग कोई भी गीत समानता की एक श्रृंखला का अनुसरण करके किसी भी अन्य गीत तक पहुँचा जा सकता है। नेटवर्क भाषा या शैली के अलग-थलग द्वीपों में विभाजित नहीं था; इसके बजाय, यह एक निरंतर परिदृश्य था जहाँ एक श्रोता सैद्धांतिक रूप से केवल संगीत के धागों का अनुसरण करके एक कोरियाई पॉप गीत से स्पेनिश बैलेड (ballad) तक यात्रा कर सकता था। शोधकर्ताओं ने यह भी देखा कि जबकि गीत समान लोकप्रियता या रिलीज़ वर्ष के अन्य गीतों के साथ जुड़ते थे, फिर भी महत्वपूर्ण अपवाद मौजूद थे। उदाहरण के लिए, अलग-अलग भाषाओं के गीत आपस में जुड़ जाते थे यदि उनमें समान लय या ऊर्जा का स्तर साझा था, जिससे यह सिद्ध हुआ कि संगीत का संबंध भाषा की बाधा से अधिक मजबूत हो सकता है।
अध्ययन ने यह भी खुलासा किया कि गीत की लंबाई और उसकी रिलीज़ की तारीख इन संबंधों को कैसे प्रभावित करती है। जो गीत लगभग तीन से चार मिनट लंबे थे, उन्होंने सबसे घने क्लस्टर बनाए, जिससे पता चलता है कि यह संगीत की समानता के लिए सबसे उपयुक्त बिंदु है। इस बीच, नेटवर्क ने दिखाया कि संगीत अक्सर अपने आप पर ही घूमता है; 1980 के दशक के गीतों को आधुनिक ट्रैक्स के साथ मजबूत संबंध रखते हुए पाया गया जिन्होंने समान शैलियों को पुनर्जीवित किया, जिससे एक लूप बन गया जहाँ अतीत और वर्तमान एक-दूसरे को प्रभावित करते हैं। शोधकर्ताओं ने निष्कर्ष निकाला कि जबकि स्ट्रीमिंग प्लेटफॉर्म अक्सर सबसे लोकप्रिय, एल्गोरिदम-अनुकूल गीतों को शीर्ष पर धकेलते हैं, संगीत की अंतर्निहित संरचना कहीं अधिक विविध और परस्पर जुड़ी हुई है। आज के "हब्स" नए हिट्स हो सकते हैं, लेकिन दुनिया के संगीत को जोड़े रखने वाले "ब्रिज" अक्सर वे कालातीत, क्रॉस-सांस्कृतिक ट्रैक होते हैं जो लंबे समय से मौजूद हैं। यह कार्य बताता है कि संगीत को वास्तव में समझने और इसे प्रभावी ढंग से रिकमेंड (recommend) करने के लिए, हमें सरल लेबल और लोकप्रियता चार्टों से परे देखने की आवश्यकता है, और इसके बजाय उस गहरे, संरचनात्मक संबंधों का अनुसरण करने की आवश्यकता है जो ध्वनि के भीतर मौजूद हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।