Modelos de lenguaje para el etiquetado de partituras digitales

• Autores: María Concepción Hontanilla Alfonso
• Directores de la Tesis: Carlos Pérez Sancho (dir. tes.) , José M. Iñesta Quereda (dir. tes.)
• Lectura: En la Universitat d'Alacant / Universidad de Alicante ( España ) en 2026
• Idioma: español
• Número de páginas: 299
• Tribunal Calificador de la Tesis: Francesc Josep Ferri Rabasa (presid.) , David Rizo Valero (secret.) , Anna Mercedes Vernia Carrasco (voc.)
• Programa de doctorado: Programa Oficial de Doctorado en Informática
• Enlaces
  • Tesis en acceso abierto en: RUA
• Resumen
  • español

    El reconocimiento de estilos musicales por medio del Aprendizaje Automático es un campo de investigación abierto en el que se han probado diferentes técnicas de reconocimiento de patrones que han demostrado su competencia en diferentes dominios. Los modelos de lenguaje son un ejemplo de ello. El aprendizaje supervisado es un enfoque en el que se entrena un sistema mediante obras de cierto estilo conocido y posteriormente se evalúa su grado de aprendizaje analizando su respuesta ante otras obras, del mismo o de diferente estilo, que debe reconocer correctamente. Recientemente está surgiendo la Inteligencia Artificial Explicable (XAI, Explainable Artificial Intelligence), dado que sus explicaciones son útiles tanto para mejorar el diseño de algoritmos como para que los músicos puedan aprovechar los resultados. La primera parte de esta tesis abarca desde el estudio del modelo más simple, consistente en identificar el estilo individual de un compositor, hasta estilos más amplios de diferentes períodos de la historia, con una contribución a las disputas de la autoría de algunas fugas de Bach, y una incursión en la música del siglo XX. La segunda parte trata del reconocimiento de los pasajes más difíciles en obras para piano, un nuevo campo de investigación aún no explorado. Los modelos de lenguaje de n-gramas, habitualmente empleados en el Procesamiento del Lenguaje Natural, pueden adaptarse fácilmente al dominio musical, definiendo las “palabras musicales” que se emplearán. Dado que los compositores siempre han cuidado de modo especial la voz o instrumento más agudo en las composiciones polifónicas, se plantea la hipótesis de que esta voz es suficiente para distinguir sus estilos. Por tanto, se forman las palabras musicales con la información estrictamente melódica de altura y duración relativas entre cada par de notas consecutivas, extraída de archivos MIDI. A partir de estas palabras se construyen n-gramas con diferentes configuraciones y tamaños. Se realizan distintas comparaciones con un corpus existente de obras de cinco compositores del Barroco y del Clasicismo. Para las tareas de disputas de autoría se utilizan fugas de tres compositores muy cercanos a Bach. Finalmente, se construye un corpus nuevo para comparar los estilos de dos compositores alejados en el tiempo, sólo con fugas de ambos compositores. Sólo una de las primeras comparaciones mejora ligeramente investigaciones previas, en otras dos las diferencias se acercan al 8% y al 17%, y en los demás resultados la diferencia es menor del 6%. Mediante el análisis musical se confirman algunas obras que son extrañas incluso al estilo del propio compositor y otras que son muy parecidas en varios modelos. Los resultados de las disputas de autoría son similares a los de estudios previos, y la última y nueva comparación obtiene resultados excelentes. Para la detección de diferentes niveles internos de dificultad en obras para piano, se construye un nuevo corpus con 64 obras seleccionadas ex profeso de 14 compositores, en archivos MusicXML, en las que se han señalado cuidadosamente los pasajes pianísticamente más difíciles de cada obra, del modo más objetivo posible. Este corpus anotado puede servir como base veraz de conocimiento para futuras investigaciones. Se desarrollan dos algoritmos basados en un sistema XAI existente: el primero, con el propósito de detectar la existencia de niveles de dificultad internos, mientras que el segundo intenta identificar estos pasajes más difíciles. Se trata de una primera contribución, en este dominio tan específico, que proporciona a la comunidad científica un corpus de referencia y dos algoritmos iniciales a partir de los cuales se podrán desarrollar nuevos algoritmos mejorados. Los resultados del primer algoritmo son excelentes, sin embargo, el rendimiento del segundo algoritmo no es uniforme: tres obras consiguen el 100% de aciertos, otras tres fallan, algunos de los resultados no se pueden considerar como válidos por no haberse detectado una diferencia de dificultad interna suficiente en ellos, y en aproximadamente la mitad de los archivos restantes la tasa de aciertos supera el 50%. Con el objetivo de contribuir a la futura mejora de la XAI, se analizan, desde un punto de vista pianístico, el comportamiento de los algoritmos y los descriptores con los que el sistema explica sus decisiones, de modo que las incoherencias detectadas serán valiosas para el perfeccionamiento de los algoritmos y la investigación futura. Los beneficios de esta investigación son múltiples. Entre otros, las bibliotecas digitales podrán clasificar grandes bases de datos según diferentes criterios basados en el contenido musical, los sistemas de e-learning podrán ampliar su alcance integrando cuestiones de dificultad, los músicos verán facilitadas sus tareas cotidianas, y el análisis de los resultados desde el punto de vista musical ayudará a los investigadores a mejorar sus algoritmos, sugiriendo nuevas vías también en lo que respecta a las necesidades musicales, fomentando así un mayor acercamiento entre informáticos y músicos. Todos los corpora están a disposición de la comunidad científica

  • English

    Music style recognition by means of Machine Learning methods is a research area where pattern recognition techniques that have been successfully proved in other domains, as language models do, have been applied. In supervised learning, systems are trained with well-known works and evaluated with unknown works belonging to either the same or another style which must properly be classified. Recently, Explainable Artificial Intelligence (XAI) is arising, since its explanations are useful both for designers to improve algorithms and for musicians to take advantage of the results. The first part of this thesis tackles the simplest approach of identifying the style of a composer and the characterization of wider styles covering different historical periods, with a contribution to authorship attribution of some J. S. Bach’s fugues, and a journey into twentieth-century music. The second part deals with the recognition of the most difficult passages inside piano pieces, a novel research field not yet explored. N-gram language models, commonly applied in Natural Language Processing tasks, can be easily adapted to music domain, by defining the “music words” to be employed. As composers used to give special treatment to the upper voice or instrument in polyphonic compositions, it is hypothesized that this voice is sufficient to distinguish between composers’ styles. So the strictly melodic information of relative pitches and durations between every two consecutive notes, extracted from MIDI files, forms the music words. N-grams with different configurations and size are built from these words. Several comparisons are made with an existing corpus of compositions of five composers from Baroque and Classicism. For authorship attribution, only fugues from three composers very close to Bach are employed. Finally, two composer very distant in time are compared with a new corpus built only with fugues. While only one of the first comparisons slightly outperforms previous research work and another two differences are about 8% and 17% lower, the remaining results are less than 6% lower. Some outliers and ties are confirmed by music analysis. Authorship attribution results are comparable to previous studies, and the final and novel composer’s comparison gets excellent results. For the detection of different difficulty levels inside piano pieces, 64 MusicXML’s files from 14 composers have been specifically selected to build a new corpus where the most pianistically difficult passages of each piece have been carefully annotated in the most objective way possible. This annotated corpus may serve as a ground-truth for future research. Next, two algorithms based on an existing XAI-system have been developed: the first one aims at detecting the existence of inner difficult levels, while the second one tries to identify these difficult passages. This is a first contribution in this so specific domain, which provides the scientific community with both a reference corpus and two initial algorithms from which new improved ones would be developed. While first algorithm’s results are excellent, the second one’s performance is not uniform: three files reach 100% hits, another three fail, some of the results cannot be considered as being valid because not enough difficulty difference has been detected in them, and in approximately half of the remaining files the success rate is higher than 50%. With the aim of contributing to XAI’s future improvement, both algorithm’s behaviour and system explainability descriptors are analysed from a pianistic perspective, so that detected inconsistencies will be valuable to algorithm’s refinement and future research. Benefits from this research are varied. Among others, digital libraries would be able to classify big databases under distinct criteria based on musical content, e-learning systems would broaden their scope embedding difficulty issues, musicians would see their quotidian tasks facilitated, and the analysis of the results from a musical point of view would help researchers by suggesting new ways of improving their algorithms also regarding music needs, thus bringing computer scientists and musicians closer together. All corpora are available for scientific community research.