සංගීතයෙන් ඇති වන උත්තේජන පිළිබඳව අනාවැකි කීම

සංගීතය යනු මිනිස් පරිණාමය(evolution) සිදුවනවාත් සමගම වාගේ මිනිසා විසින් වැළඳගන්නා ලද කලාවන්ගෙන් එකකි. වචන රහිත ඉතා කුඩා සංගීත ඛණ්ඩයකින් පවා අප සිත තුල හැගීමක් ඇති කිරීමට තරම් සමත් සංගීතය යනු ප්‍රබල අවියක් බව සදහන් කිරීම නිවැරදි යැයි මට හැගේ. අපගේ උපතේ පටන්ම සංගීතය යනු අප ජීවිතයට වඩාත්ම සමීප එක් අංගයක් වන බැවින් මෙම ක්ෂේත්‍රය පිළිබඳව විවිධ අන්දමේ නව පර්යේෂණ(researches) ලොව පුරාම සිදු වෙමින් පවතී. මෙවැනි එක් නව පර්යේෂණයක් ලෙස සංගීතය මගින් මිනිසා තුල ඇති වන හැගීම් පිළිබඳව විශ්ලේෂණය කිරීම හැදින්විය හැක. මෑත කාලයේ කරන ලද පර්යේෂණ වලට අනුව මිනිසා තුල උත්තේජනයක් ඇති කිරීමට සමත් ක්‍රමවේදයන් අතුරින් තුන්වනුවට වඩාත් පොදු වූත් දෙවනුවට වඩාත් ඵලදායි වූත් ක්‍රමවේදය සංගීතය රස විදීම බව අනාවරණය වී ඇත. සංගීතයේ පවතින වටිනාකම වැඩි වීමට බලපාන එක් හේතුවක් ලෙස මෙම හැගීම් ඇති කිරීමට සමත්කම දැක්විය හැකි අතර මෙය පර්යේෂකයන් හට විවිධ අංශ ගණනාවක් ඔස්සේ මෑත කාලසීමාව තුල පර්යේෂණ කිරීමට හේතුපාදක විය.

මෙසේ සංගීතය පාදක කරගෙන කරන ලද එක් පර්යේෂණයක් පිලිබදව මූලික හැඳින්වීමක් ඔබ වෙත ගෙන ඒම මෙම සටහනේ මුලික අරමුණ වන අතර තවමත් මෙය පර්යේෂණ මට්ටමේ පවතින්නක් බව කරුණාවෙන් සලකන්න.

මෙම පර්යේෂණයේදී සලකා බලනුයේ comprehensive data driven mechanism යන මුලධර්මය භාවිතා කර සංගීතය නිසා හට ගන්නා හැගීම් පිලිබදව විශ්ලේෂණය කිරීමයි. පර්යේෂණය සිදු කිරීමේදී එකිනෙකට වෙනස් නාද රටා සහ ගීත මිලියනයක් පමණ යොදා ගෙන ඇති අතර එක් එක් කාණ්ඩය යටතේ පර්යේෂණය සිදු කිරීම සදහා වඩාත් සුදුසු ගීත හා නාද රටා පෙළක් තෝරා ගැනීමට පර්යේෂකවරුන් පියවර ගෙන ඇත. ගීතයක් සතුව පවතින නාද රටාව(audio), පද මාලාව(lyrics) යනාදිය මත මිනිස් හැගීම් හට ගන්නා බවත් මෙම විශේෂාංග(features) උපයෝගී කරගෙන එම උපදින හැගීම් වර්ගීකරණය කිරීමටත් මෙම පර්යේෂණය යොදා ගැනේ.වර්ගීකරණය පිළිබද සලකා බැලීමේදී කුමන අන්දමේ හැගීම් ප්‍රකාශ කරනවාද යැයි නිගමනය කිරීම සහ අදාළ ගීත සදහා පුහුණුවීම්(training set) වලදී කුමන හැගීම් සම්බන්ධ වේ දැයි සොයා බැලීම සිදු වෙයි. මේ අනුව සංගීතය හා සම්බන්ධ හැගීම් ආකෘතියක්(emotion model) ගොඩ නැගීමෙහිලා පර්යේෂණයේ ප්‍රාථමික දායකත්වය පිළිබද සලකන අතර පහත රුපසටහනෙන් පර්යේෂණයේ සම්පුර්ණ සැකසුම පෙන්වයි. මෙය ප්‍රධාන කොටස් 5කින් සමන්විත වන අතර එයට හැගීම් ආකෘතිය ගොඩ නැගීම සහ වර්ගීකරණයද ඇතුලත් වේ.

හැගීම් ආකෘතියේදී හැගීම් හදුනා ගනු ලබන්නේ WordNet Tool සහ Geneva Emotional Music Scale යන ඒවා භාවිතයෙනි.මෙම ප්‍රාථමික ආකෘතියේ dimensionality අඩු කර ගනු ලබන්නේ තුල්‍යර්ථික(synonymous) සම්බන්දකයක් භාවිතාවෙන් සහ Hierarchical clustering ක්‍රියාත්මක කිරීමෙනි. Hierarchical clustering යාන්ත්‍රණ කීපයක්ම බැදීම් පද්ධති 5කට සම්බන්දව පවතී. මේවා

             1.      Single Link

             2.      Complete Link

             3.    Group average

             4.      Ward 1

             5.      Ward 2

පසුව සමුහයටම අයත් සම්බන්ධක hierarchy එකේ lower level එකේදී සම්බන්ධ වේ. ඉහත පද්ධති 5න් 4ක්ම තෝරා ගෙන ඒවා එකිනෙකට සම්බන්ධ කරනු(merge) ලැබේ.

අවසාන සංගීත හැගීම් ආකෘතියට මූලික දත්ත(original data) හා සම්බන්ධ emotion classes 25ක් අඩංගු වේ. පසුව නාදරටා(audio) සම්බන්ධ වර්ගීකරණයක් පවත්වාගෙන යනු ලැබේ. ලේබල් කීපයක් යටතේ සංගීතය හැගීම්(emotions) වලට වර්ගීකරණය කිරීම අසාර්ථක වන බව මෙහිදී පෙනී ගිය ප්‍රධාන කරුණකි. මෙයට හේතුව වන්නේ ලේබල් කීපයක් යටතේ වර්ගීකරණය කිරීමේදී class imbalance නම් ගැටලුව මතු වන බැවිනි. නමුත් මෙම ගැටලුව විසදා ගත හැකි ක්‍රම කීපයක් පවතින අතර ඒවා නම්

              1.      Undersampling

              2.      Oversampling

              3.      Cost sensitive learning

              4.      Bagging

              5.      Boosting

ඉහත සදහන් කල වර්ගීකරණය සදහා යොදා ගන්නා ප්‍රධාන algorithms වන්නේ Naïve Bayes, Random Forest, SVM සහ C4.5 යන ඒවායි. මෙම algorithms භාවිතා කර ගීතයක් වෙනුවෙන් ඇති වන වඩාත්ම උචිත හැගීම(most representative emotion) අනාවැකි ලෙස පල කල හැකිය. නමුත් සංසන්දනාත්මක ලෙස ගත විට වඩාත්ම ඵලදායි වන්නේ Random Forest algorithm එක හා සබැදුණු oversampling වර්ගීකරණයයි.

C. V.  නානායක්කාර , ආචාර්ය H. A. කල්දේරා

කොළඹ විශ්වවිද්‍යාලයීය පරිගණක අධ්‍යයනායතනය

Related Videos