اطلاعات موسیقیایی
هدف این مقاله (بازیابی اطلاعات موسیقیایی) بررسی کارکردهای پردازش زبان طبیعی در بازیابی اطلاعات موسیقایی است. پژوهش ها در حوزه موسیقی محاسباتی نشان می دهد که حوزه پردازش زبان طبیعی به پژوهش های جدید صورت گرفته در موسیقی نزدیک است . بنابراین می توان از این شباهت سود جست. و تکنیک های پردازش زبان طبیعی را در موسیقی به کار بست.
در این مقاله شباهت میان هر دو حوزه فوق (پردازش زبان طبیعی در بازیابی اطلاعات موسیقیایی است) توصیف می شود. همچنین سطوح پردازش زبان طبیعی و کارکرد موسیقی محاسباتی تبیین می گردد. و در ادامه به نقاط مشترک پژوهش های بازیابی اطلاعات موسیقایی و حوزه پردازش زبیان طبیعی اشاره می شود. در پایان، پژوهش های انجام شده درباره مدل سازی موسیقی آماری با نظریان مشابه در حوزه پردازش زبان طبیعی مقایسه و رهنمون هایی برای بازیابی اطلاعات موسیقایی ارائه می گردد.
داده های دیجیتالی
از آنجا که موسیقی از داده های دیجیتالی گسترده و بازنمودهای فراوانی برخوردار است، در سطوح معناشناختی متعددی جای می گیرد. به طور معمول، مجموعه های موسیقی دیجیتال دربردارندة اسناد دیجیتالی متعددی هستند. که مربوط به هر اثر موسیقی است. حوزة پژوهش موسیقی با پژوهش در NLP شباهت دارد. هر دو حیطه بر روی گون های مشابهی از داده ها که از ویژگیهای مشترکی برخوردارند، کار میکنند. هر دو حوزه با داده هایی کار می کنند که انسانها به راحتی آنها را درک میکنند. اما برای آنکه آنها را به طور کامل برای رایانه ها قابل ههم سازند با مشکلات فراوانی مواجه اند. برای پژوهش در هر دو حوزه از تکنیک های مشابهی استفاده می شود. و باید در خصوص هر یک از حیطه هایی که دیگری پیشرفت بیشتری حاصل شده از هم استفاده کنند.
پژوهشگران موسیقی می توانند دستاوردهای خود را در وظایفی مانند جداسازی داده ها یا کشف محدودههای اصوات عرضه کنند و در مقابل از NLP در خصوص مواردی همچیون روش های اماری، رویکردهای خودکار نسبت به معناشناسی، کمک گرفتن از بازیابی اطلاعات و داده یابی از طریق فهم زبان طبیعی، اسیتفاده کنند. ضرورتی ندارد که همة این تکنیک ها و رویکردهای به ارث رسیده کار کنند، اما یقینا ارزش تلاش کردن دارد.
