Tonal parsimony in chord-sequence analysis: combining modulation cost and tonal vocabulary

기술 요약: 화음 시퀀스 분석에서의 조성적 절제(Tonal Parsimony)

문제 정의
본 논문은 화음 시퀀스($c_1, \dots, c_n$)에 국소적 조성(local tonalities)을 할당하는 과제를 다룬다. 각 화음에 대해, 화음-스케일 호환성(통상 12개의 장조 및 12개의 단조 키)을 기반으로 사전 계산된 후보 조성 집합 $T_i$가 주어진다. 목표는 전역적 기준을 최적화하는 조성 시퀀스 $x_1, \dots, x_n$ (단, $x_i \in T_i$)를 선택하는 것이다.

표준적인 접근 방식은 인접한 조성 변화($x_i \neq x_{i+1}$)의 횟수인 전조 비용(Modulation Cost, $C$)을 최소화하기 위해 동적 계획법(Dynamic Programming)을 사용한다. 그러나 $C$만을 최소화하는 것은 사용되는 총 고유 조성의 수($K$)를 제약하지 못한다. 이는 전이는 매끄럽지만 불필요하게 크고 복잡한 조성 어휘를 사용하는 분석으로 이어질 수 있다. 반대로, $K$를 최소화하는 것(Hitting-set 문제)은 종종 비현실적으로 빈번한 전조를 초래한다. 본 논문은 **조성적 절제(Tonal Parsimony)**를 제안하며, 이는 전조 비용을 먼저 최소화한 후, 최소 전조 비용을 가진 모든 해 중에서 전체 사용된 고유 조성의 수를 최소화하는 사전식(lexicographic) 목적 함수이다:
$$\min_{lex} (C(x), K(x))$$

방법론
저자들은 이 문제를 24개의 고유 조성($|T|=24$)이라는 고정된 유니버스 상의 유한 도메인 제약 최적화 문제로 모델링한다. 이들은 세 가지 특정 최적화 전략을 비교한다:

1. 전이 전용 동적 계획법 (DP): $C$를 최소화하는 표준 벨만 재귀(Bellman recurrence)이다. 실행 시간은 $O(nm^2)$이다.
2. 순수 NValue 최소화: 모든 화음이 집합 $S$ 내의 호환 가능한 후보를 갖도록 하는 가장 작은 조성 집합 $S$를 찾는 Hitting-set 접근 방식이다. 이는 $K$를 최소화하지만 전이 비용은 무시한다.
3. 조성적 절제 (Lexicographic Optimization): 제안된 방법이다. 이는 비용-규제 경로 기준(cost-regular path criterion)과 $NValue$ 기준을 결부터 결합한 특화된 정밀 알고리즘을 사용한다.
   • 알고리즘: 이 방법은 최소 상수-조성 세그먼트(constant-tonality segments)를 찾는 문제로 문제를 분해한다. 두 단계 접근 방식을 사용하는데, 첫째는 임의의 위치에서 끝까지 필요한 최소 세그먼트 수를 계산하는 역방향 패스(backward pass)이며, 둘째는 부분 세그멘테이션이 여전히 전역 최적해에 도달할 수 있는 경우에만 이를 확장하는 순방향 패스(forward pass)이다.
   • 가지치기(Pruning): 알고리즘은 레이블 $(i, t, S, C)$에 대한 지배적 가지치기(dominance pruning)를 활용한다. 여기서 $S$는 사용된 조성을 나타내는 비트 마스크이다. 동일한 위치와 조성에서 더 낮거나 같은 전조 비용과 사용된 조성의 부분 집합을 가진 다른 레이블이 존재할 경우 해당 레이블은 폐기된다.
   • 복잡도: 일반적인 경우 이 문제는 NP-hard이지만(Hitting Set으로부터 환원 가능), 조성의 수 $m$에 대해서는 고정 파라미터 가측 함수(fixed-parameter tractable)이다. $m=24$인 경우, $m$에 대한 지수적 의존성은 실무적으로 관리 가능한 수준이다.

대체 레이어 (Substitution Layer)
리터럴한 화음-스케일 호환성의 한계(예: 트라이톤 대리 화음과 같은 흔한 재즈 기능을 포착하지 못함)를 해결하기 위해, 저자들은 **가중치 부여된 대체 폐쇄(weighted substitution closure)**를 도입한다.

• 이 레이어는 비다이아토닉 해석(예: A장조에서 $Bb7$을$E7$의 트라이톤 대리로 해석)을 추가함으로써 후보 도메인$T_i$를 풍부하게 한다.
• 이러한 해석들은 재귀적 기능 규칙(예: 부도미넌트, 백도어 도미넌트, 차용 화음 등)의 유한 폐쇄로서 사전 계산되며, 표준 유한 도메인 문제로 평탄화(flattening)된다.
• 최적화 목적 함수는 변경되지 않는다. 대체 규칙은 단순히 탐색 공간을 확장하여, 새로운 조성 중심을 도입하지 않고도 기능적으로 일관된 경로를 최적기가 찾을 수 있도록 한다.

주요 기여

1. 정식화: 전조 비용과 조성 어휘 크기의 사전식 최적화로서 조성적 절제를 정의함.
2. 알고리즘: 일반적인 제약 해결사(예: MiniZinc/Gecode)의 확장성 문제를 피하면서, 고정된 24개 조성 유니버스에서 이 결합 목적을 효율적으로 해결하는 특화된 정밀 동적 계획법 알고리즘을 제공함.
3. 대체 통합: 가중치 부여된 재즈 대체 규칙을 전처리 단계로 사용하여 후보 도메인을 확장함으로써, 핵심 최적화 로직을 변경하지 않고도 기능적 타당성을 개선하는 방법을 입증함.

결과
방법론은 두 가지 데이터셋인 LMD Chords 코퍼스(31,032개 시퀀스)와 1,555개의 전문적인 주석이 달린 재즈 스탠더드를 통해 평가되었다.

• 코퍼스 통계 (LMD Chords):

  • 조성적 절제는 전이 전용 DP의 최소 전조 횟수를 유지하면서 평균 고유 조성의 수($K$)를 **55.8%**의 사례에서 감소시킨다.
  • 대체 보강(substitution enrichment)을 적용하면, 평균 조성 수는 3.802에서 3.206으로, 평균 전조 횟수는 16.728에서 12.141로 감소한다.
  • 특화된 Python 구현은 전체 코퍼스를 1분 미만의 CPU 시간 내에 처리하는 반면, 직접적인 MiniZinc 모델은 몇 시간 내에 큰 인스턴스에 대해 종료되지 못한다.

• 전문가 검증 (Jazz Standards):

  • 조성적 절제는 전문적인 주석과 비교했을 때 **81.1%**의 엄격한 화음-스케일 일치도와 **95.6%**의 보수적 호환 일치도를 달성한다.
  • 이는 전이 전용 DP(호환도 94.3%)와 순수 NValue 방법(호환도 94.3%)보다 우수한 성능을 보인다.
  • 특정 예시(예: The Gift, Nuages)에서, 이 방법은 DP의 낮은 전이 횟수와 NValue 방법의 압축된 어휘를 성공적으로 결합하여, 표준 DP가 불필요한 조성 중심을 도입하는 모호함을 해결한다.

• CokerBench 검증:

  • 19개의 기능적 재즈 예시에 대해, 대체 보강 모델은 기대되는 조성 수와 관련하여 18개 중 16개를, 루트 분석과 관련하여 15개 중 13개를 정확히 해결했다.
  • 결과는 이전의 많은 "최적화 실패"가 사실은 기능적 재해석으로 해결 가능한 "누락된 도메인" 문제였음을 나타낸다.

의의 및 주장
본 논문은 조성적 절제가 전이 최소화보다 음악적으로 더 직관적이고 압축적인 목적 함수를 제공한다고 주장한다. 매끄러움(낮은 $C$)을 우선시하되, 동점 상황에서 어휘 크기(낮은 $K$)로 결정함으로써, 이 방법은 즉흥 연주와 재화성(reharmonization)에 있어 모두 매끄럽고 인지적으로 효율적인 분석을 생성한다.

저자들은 일반적인 경우에는 조합론적으로 어렵지만, 고정된 24개 조성 유니버스($m=24$) 덕분에 이 문제가 전문적인 규모의 분석에 적합할 만큼 다룰 수 있는 수준임을 강조한다. 또한, 최적화된 값 $K$가 화성적 복잡성을 나타내는 의미 있는 구조적 기술자 역할을 하며, 생성된 시퀀스를 서로 다른 조성적 풍부함의 체제로 구분할 수 있음을 보여준다. 연구의 결론은 전조 비용과 조성 어휘를 모두 최소화하는 것이, 특히 기능적 대체 규칙으로 보강될 때, 재즈 지향적 화성 분석을 위한 실행 가능하고 우월한 접근 방식임을 입증한다.