دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.]
نویسندگان: Peter Knees. Markus Schedl (auth.)
سری: The Information Retrieval Series 36
ISBN (شابک) : 9783662497203, 9783662497227
ناشر: Springer-Verlag Berlin Heidelberg
سال نشر: 2016
تعداد صفحات: XX, 299
[313]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 11 Mb
در صورت تبدیل فایل کتاب Music Similarity and Retrieval: An Introduction to Audio- and Web-based Strategies به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب شباهت و بازیابی موسیقی: مقدمه ای بر استراتژی های مبتنی بر صدا و وب نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب خلاصهای از روشهای صوتی و مبتنی بر وب برای تحقیق بازیابی اطلاعات موسیقی (MIR) را ارائه میکند. برخلاف سایر کتابهایی که صرفاً به پردازش سیگنال موسیقی میپردازند، به جنبههای فرهنگی و شنوندهمحور دیگری میپردازد و بنابراین دیدگاه جامعتری ارائه میدهد. در نتیجه، متن شامل روشهایی است که بر روی ویژگیهایی که مستقیماً از سیگنال صوتی استخراج میشوند، و همچنین روشهایی که بر روی ویژگیهای استخراجشده از اطلاعات زمینهای عمل میکنند، یا بافت فرهنگی موسیقی که در وب نشان داده شده است یا کاربر و زمینه استفاده از موسیقی.</ p>
با پیروی از الگوی رایج بازیابی اطلاعات مبتنی بر سند، این کتاب به مدلهایی از شباهت موسیقی میپردازد که ویژگیهای محاسباتی را برای توصیف موجودی که موسیقی را در هر سطحی (مانند آهنگ، آلبوم یا هنرمند) نشان میدهد و روشها استخراج میکند. برای محاسبه شباهت بین آنها. در حالی که این دیدگاه و بازنماییهای مورد بحث نمیتوانند همه ابعاد موسیقی را توصیف کنند، آنها ما را قادر میسازند تا با ارائه خلاصههای انتزاعی از مصنوعات موسیقی از شیوههای مختلف، به طور مؤثر موسیقی با کیفیتهای مشابه را پیدا کنیم.
متن حاضر مقدمه ای جامع و قابل دسترس برای موضوعات جستجوی موسیقی، بازیابی و توصیه از دیدگاه دانشگاهی ارائه می دهد. این نه تنها به افراد تازه وارد در این زمینه اجازه می دهد تا به سرعت به MIR از نقطه نظر بازیابی اطلاعات دسترسی پیدا کنند، بلکه آگاهی را در مورد پیشرفت های حوزه موسیقی در جامعه بزرگ IR افزایش می دهد. در این راستا، بخش اول به MIR مبتنی بر محتوا، به ویژه استخراج ویژگیها از سیگنال موسیقی و محاسبه شباهت برای بازیابی مبتنی بر محتوا میپردازد. بخش دوم متعاقباً به روشهای MIR میپردازد که از زمینه فرهنگی دیجیتالی قابل دسترس موسیقی استفاده میکنند. بخش سوم به روشهای فیلتر مشارکتی و بازیابی آگاهانه و چندوجهی توسط کاربر میپردازد، در حالی که قسمت چهارم به بررسی کاربردهای فعلی و آینده بازیابی و توصیه موسیقی میپردازد.
This book provides a summary of the manifold audio- and web-based approaches to music information retrieval (MIR) research. In contrast to other books dealing solely with music signal processing, it addresses additional cultural and listener-centric aspects and thus provides a more holistic view. Consequently, the text includes methods operating on features extracted directly from the audio signal, as well as methods operating on features extracted from contextual information, either the cultural context of music as represented on the web or the user and usage context of music.
Following the prevalent document-centered paradigm of information retrieval, the book addresses models of music similarity that extract computational features to describe an entity that represents music on any level (e.g., song, album, or artist), and methods to calculate the similarity between them. While this perspective and the representations discussed cannot describe all musical dimensions, they enable us to effectively find music of similar qualities by providing abstract summarizations of musical artifacts from different modalities.
The text at hand provides a comprehensive and accessible introduction to the topics of music search, retrieval, and recommendation from an academic perspective. It will not only allow those new to the field to quickly access MIR from an information retrieval point of view but also raise awareness for the developments of the music domain within the greater IR community. In this regard, Part I deals with content-based MIR, in particular the extraction of features from the music signal and similarity calculation for content-based retrieval. Part II subsequently addresses MIR methods that make use of the digitally accessible cultural context of music. Part III addresses methods of collaborative filtering and user-aware and multi-modal retrieval, while Part IV explores current and future applications of music retrieval and recommendation.>