طبقه‌بندی احساسات برانگیختگی و خوشایندی موسیقی با استفاده از ویژگی‌های موسیقی و جمعیتی

دو مورد از برجسته‌ترین احساسات انسانی، برانگیختگی و خوشایندی است. هدف این مقاله پاسخ دادن به سوال «آیا پیش‌بینی احساسات برانگیختگی و خوشایندی حاصل از گوش دادن به موسیقی بدون استفاده از سیگنال‌های فیزیولوژیک و فقط با استفاده از ویژگی‌های جمعیتی و موسیقایی می‌تواند نتایج مناسبی ارائه دهد؟» است. بدین منظور 48 موسیقی 30 ثانیه‌ای با سطوح برانگیختگی و خوشایندی بسیار بالا و بسیار پایین از مجموعه‌ی موسیقی deam انتخاب شده و توسط 175 شرکت کننده‌ی ایرانی با محدوده‌ی سنی 18-35 سال بر اساس میزان برانگیختگی و خوشایندی (هر کدام از این دو احساس به طور جداگانه) با یکی از اعداد صحیح 1 (کم‌ترین) تا 5 (بیش‌ترین) برچسب‌گذاری شده است. ویژگی‌های موسیقایی انرژی، تمپو، تعداد عبور از صفر، صافی طیفی، مرکز طیفی، شار طیفی، پرتاب طیفی، پیچیدگی ریتمیک و ویژگی‌های کروماگرام و ویژگی‌های جمعیتی سن، جنسیت، میزان تحصیلات، سطح اقتصادی، قومیت، منطقه‌ی شهری و تعداد ساعت گوش دادن به موسیقی در روز، از موسیقی‌ها و افراد شرکت کننده استخراج گردیده است. مشاهدات مربوط به برچسب 3 (متوسط) به دلیل تعداد بسیار کم رخداد این برچسب نسبت به سایر برچسب‌ها کنار گذاشته شده و 8051 مشاهده برای طبقه‌بندی مورد استفاده قرار گرفته است. کل داده‌ها به 4 بخش مساوی و جدا از هم (بدون هم‌پوشانی) تقسیم شده و طبقه‌بندی 4 بار صورت گرفته به طوری که در هر بار یکی از بخش‌ها برای تست و سایر بخش‌های باقی‌مانده برای آموزش مدل به کار گرفته شده است. این فرایند 10 بار تکرار شده و متوسط نتایج داده‌های تست برای معیارهای طبقه‌بندی محاسبه گردیده است. هر کدام از احساسات برانگیختگی و خوشایندی به طور جداگانه آنالیز شده است. برای ساختن مدل طبقه‌بند، 5 طبقه‌بند شبکه‌ی عصبی، k نزدیک‌ترین همسایه، ماشین بردار پشتیبان، درخت تصمیم و جنگل تصافی به کار گرفته شده است. بهترین عمل‌کرد طبقه‌بندی توسط شبکه‌ی عصبی برای برانگیختگی با صحت 77%، اختصاصیت 90.3% و حساسیت 77% و برای خوشایندی با صحت 79.7%، اختصاصیت 91.2% و حساسیت 79.7% به دست آمده است. نتایج نشان می‌دهند که شبکه‌ی عصبی می‌تواند یک طبقه‌بند مناسب برای طبقه‌بندی احساسات موسیقایی جامعه‌ی ایرانی بر اساس ویژگی‌های موسیقی و جمعیتی باشد.