• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
ФИО студента
Название работы
Руководитель
Факультет
Программа
Оценка
Год защиты
Шведов Денис Владимирович
Automated Music Video Editing and Ranking
2019
This is a first big part of a project called "Automated Music Video Editing and Ranking". The main task of this project is to create an automatic music video generation system that conducts soundtrack recommendation and video editing simultaneously. My colleague of this project is Pavel Adamenko, another HSE student.

This paper is responsible for music recommendation part. It tries to compare all existing methodologies for classifying music by genre and mood and it presents our methodology for solution of this task. Relying on this classification, it will be much more easier to create music recommendation system. It will not just usual audio features, but audio features with some extra knowledge about music style and emotion that can really increase the quality of recommendation metrics.

In the first chapter we attempt to describe music recommendation problem overall: why does good music recommendation system need for industry, why it is so hard to classify music by genre and mood. Also we briefly review the recent progress of the above problems with interesting solutions to solve it, including deep learning methods.

In the second chapter we try to present our own methodology for classifying music by genre and mood. We deeply sink into feature extraction techniques and discuss the way with deep learning to solve the classification problems both. Here is some extra information about the architecture of convolution neural networks, which was used to classify music be genre and mood. In the final part of chapter the paper presents concept of music recommendation system, based on traditional recommendation system, and some metrics to understand the quality of this scheme.

In the third chapter this paper presents experiments and results for genre/mood classification on chosen dataset and results for our own recommendation system. Also we compare values of our experiments to another method (with the same dataset).

In the conclusion we try to summarize all the results in this work and to reason about future works. Particularly audio features from genre and mood classification will be used in the second part of project "Automated Music Video Editing and Ranking".

In the bibliography everybody can find all the sources that was used in article.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Расширенный поиск ВКР