Türkçe þarkýlar için þarký sözleri üzerinden müzik duygu sýnýflandýrmasý

Müzik insanlýk tarihinde önemli bir yere sahiptir. Özellikle dijital çaðda kiþiler tarafýndan her gün yaratýlan ve ulaþýlan müzik koleksiyonlarýnýn büyüklüðü ile müziðin önemi daha da artmýþ ve insanlar müzik içeren aktivitelere daha fazla zaman ayýrmaya baþlamýþlardýr. Bununla birlikte, müziðe bilgi geri getirim sürecini kolay ve etkin hale getirmek için yapýlan katalog bazlý aramalar duygu tabanlý etiketlere göre aramalara dönüþmüþtür. Bu araþtýrmada amacýmýz þarký sözlerine göre bir þarkýdan algýlanan duygunun otomatik olarak çýkarýldýðý bir model geliþtirmektir. Model metin bazlý sýnýflandýrma için kullanýlan makina öðrenmesi algoritmalarý ile oluþturulmuþtur. Bu amaçla araþtýrmada 300 þarký seçilmiþ ve bu þarkýlar kiþiler tarafýndan hissedilen duygularýna göre etiketlenmiþtir. Devamýnda metin ön analizi ile þarký sözleri Türkçe köklerine ayrýþtýrýlarak Unigram, Bigram ve Trigram kelime özellikleri çýkartýlmýþtýr. Ardýndan endeksleri terim sýklýðý ve tf-idf deðerleri olan doküman bazýnda terim matrisleri yaratýlmýþtýr. Bu matris deðerleri 5 farklý sýnýflandýrma algoritmasýna girdi olarak verilerek en yüksek doðruluk sonuçlarý, hatýrlama ve kesinlik metrikleri üzerinden araþtýrýlmýþtýr. Araþtýrmanýn sonucunda en yüksek kesinlik deðeri Zemberek Uzun Kök Ayýþtýrma Metodu ile Unigram kelime özelliklerine göre ayrýþtýrýlmýþ ve endeksi terim sýklýðýna göre belirlenmiþ terim bazlý doküman matrisinin Katlýterim Naïve Bayes kümeleyicisinde verdiði görülmüþtür. Bu kombinasyonda hatýrlama metriði deðeri 43.7 iken kesinlik metriði deðeri 46.9’dur.

Music emotion classification for Turkish songs using lyrics

Music has grown into an important part of people’s daily lives. As we move further into the digital age in which a large collection of music is being created daily and becomes easily accessible renders people to spend more time on activities that involve music. Consequently, the form of music retrieval is changed from catalogue based searches to searches made based on emotion tags in order for easy and effective musical information access. In this study, it is aimed to generate a model for automatic recognition of the perceived emotion of songs with the help of their lyrics and machine learning algorithms. For this purpose, first 300 songs are selected and annotated by human taggers with respect to their perceived emotions. Thereafter, Unigram, Bigram and Trigram word features are extracted from song lyrics after performing text preprocessing where stemming of the Turkish words is an essential part. Then, term by document matrices are created where term frequencies and tf-idf scores are considered as representations for the indices. Five different classification algorithms are fed with these matrices in order to find the best combination that achieves the highest accuracy results where recall and precision values are used as comparison metrics. As a result, best accuracy results are obtained by using Multinomial Naïve Bayes classifier where Unigram features are used to create the term by document matrix. In this setting, Unigram features are stemmed by Zemberek Long stemming method, and the index representation is chosen as term frequency. For this combination, obtained recall and precision values are 43.7 and 46.9, respectively.