사용자의 음악 선호요인 분석을 통한 개인 맞춤형 음악추천모델 연구

Abstract

최근 국내 대중음악은 디지털 음원시장이 확대되면서 음악 산업의 규모가 확장되었다. 한국인의 스마트폰을 통한 음악청취율은 51%이며, 음악 산업은 앞으로 성장할 것으로 예상된다. 이러한 성장 요인은 스마트폰의 보급, 초고속 인터넷 서비스의 발전과 스트리밍 서비스의 이용증가, 음원 서비스의 유료결제의 확대이다. 그리고 인공지능 스피커의 보급은 음악추천서비스의 중요성이 증가되는 요인이 되었다. 본 연구는 국내 대중음악의 음악요소를 도출하고, 음악 청취자의 선호하는 음악요인을 분석하여 청취자를 위한 개인별 맞춤형 음악추천모델을 제안하였다. 추천 대상음악은 2012년부터 2016년까지 연간 100위권 내의 국내 대중가요 총 460곡을 분석하였다. 이러한 분석과정을 통해 현재 인기 가요의 시간에 따른 음악의 변화를 파악하였다. 음악 변화에 따라 추출된 음악추천모델에 적용할 음악요소는 발매연도, 발매월, 조성, 장단조, 박자, BPM, 가수타입, 음악스타일, OST여부, 못갖춘마디, 총 연주시간, Chorus 선행여부, Verse의 길이 였다. 그리고 측정한 음악요소의 데이터를 변환하고, 선형회귀분석을 이용하여 음악요소를 독립변수로 이용하여 예측정확도를 측정하였다. 본 연구는 음악청취자의 선호여부를 알아보고, 추천모델을 통해 추천된 음악에 대해 검증하기 위해 피험자를 대상으로 실험과 인터뷰를 실시하였다. 본 실험은 훈련단계 실험결과를 통해 가중치를 도출하고, 피험자가 좋아하는 곡과 싫어하는 곡을 추천하여 검증단계 실험을 진행하였고, 그 결과는 다음과 같다. 첫째, 실험을 통해 실험참가자들의 선호 곡을 학습한 결과 84.4%의 높은 예측정확도가 나타났다. 둘째, 본 실험은 곡 선호여부에 따라‘모르겠다’답변을 추가한 경우, 피험자는 곡의 선호도 판단이 더 분명해졌고, 예측정확도가 증가하였다. 셋째, 음악추천모델에서 나타난 가중치 분석결과는 조성, 스타일, 가수 요소가 곡을 선호하는 데에 중요한 요인이었고, 선인지 여부도 중요하게 나타났다. 넷째, 조성에 가중치가 높은 피험자에게 인터뷰를 진행한 결과, 피험자들은 가수의 가창력 혹은 멜로디를 중요시하고, 느린음악을 선호하였다. 그리고 리듬을 중요시 하는 피험자들은 댄스음악이나 힙합을 선호하는 것으로 나타났다. 다섯째, 음악스타일의 가중치가 높은 피험자들의 인터뷰 결과, 피험자들은 선호하는 곡을 청취할 뿐만 아니라 공연 영상, 뮤직비디오 등의 영상 콘텐츠도 적극적으로 찾아서 보았다. 이러한 연구 결과를 바탕으로 본 연구가 제시하는 연구의 의의는 다음과 같다. 첫째, 본 연구는 다양한 음악적 분석 요소에 따른 개인 맞춤형 음악추천 모델을 제안하였다. 그리고 본 모델은 음악분석 데이터와 개인의 선호여부만을 가지고 상당히 높은 정확도의 음악추천모델을 구성할 수 있었다는 점에서 의의가 있다. 둘째, 실험결과를 해석하기 위해 양적 분석과 질적 분석을 함께 시도하였다. 본 연구는 청취자 실험을 통해 피험자의 음악적 선호요소와 가중치를 파악하였고, 적은 실험참여자 수를 보완하기 위해 심층인터뷰를 실시하여 양적 데이터로 예측이 부족한 부분을 보완하였다. 이는 피험자의 개인별 음악 취향을 더 명확하게 파악할 수 있는 계기가 되었다. 셋째, 본 연구는 피험자에게 음악 선호여부를 측정하였고, 추천된 음악이 피험자가 실제로 선호하는 지에 확인하기 위해 검증 실험을 추가로 실시하였다. 본 연구의 음악추천모델은 추천된 음악을 검증하는 실험에서도 높은 예측정확도를 나타냈으며, 실제 음원청취자에게 적용 가능함을 보여주었다. ;Recently, domestic popular music has expanded in size as the digital music market expanded. According to IFPI (2016), the rate of listening music reception through smartphones in Korea is 51%, which is expected to increase gradually. Due to the spread of smartphones and the development of high-speed Internet services, these factors led to the growth of the music industry through the use of streaming services and the expansion of paid services for sound services. And the popularity of artificial intelligence speakers is increasing the importance of music recommendation services. This study analyzes the musical elements of domestic popular music in Korea and analyzes the factors of preferred music to suggest personalized music recommendation model for music listeners. The recommended music is analyzed from a total of domestic popular 460 songs among the top 100 songs in the annual ranking of from 2012 to 2016. Through this analysis process, we identify trends of popular songs and draw musical elements to be applied to music recommendation model. Then, the data of the musical element was transformed, and the prediction accuracy was measured using the musical element as an independent variable using linear regression analysis. This study investigates the preference of music listeners and conducts experiments and interviews with test subjects to verify the recommended music through a recommendation model. In this experiment, weights were derived from the experimental results, and experiments were conducted in the verification stage by recommending subjects' favorite songs and disliked songs. The results are as follow. First, as a result of studying the songs preferred by experiment participants, it showed high prediction accuracy of 84.4%. Compared with the existing music recommendation system, it is shown that it is an advanced result. Second, in the experiment, if the respondents answered 'I do not know' about music preference, subjects' music preference judgment became clearer and prediction accuracy increased. Third, according to the results of weighting analysis in music recommendation model, weights of key, style, and singer are important factors in music preference in both favorite and disliked songs. Fourth, people with a high weight on key preferred slow songs because they emphasized the singing power or melody of the singer. And subjects who emphasized rhythm seemed to prefer dance music or hip-hop. Fifth, subjects with high weight in music style tended to look for their favorite songs actively in performance videos or music videos as well as sound source sites. Based on the results of this study, the meaning of this thesis is as follows. First, we analyzed various musical elements and proposed a personalized music recommendation model. Only the music analysis data and personal preference were used to derive meaningful results. Second, quantitative analysis and qualitative analysis were attempted to analyze the experimental results. This experiment was conducted with in-depth interviews with participants in order to supplement the lack of interpretation of prediction accuracy because the number of participants was small. User experiments using various approaches have made it possible to more clearly grasp the subject's individual musical taste. Third, this experiment measured the preference of music to subjects and conducted an experiment to verify whether the recommended music that was predicted matches the predicted results of actual subjects. The music recommendation model of this study showed high prediction accuracy even in the experiment to verify the recommended music, and showed that it is applicable to the actual music listener.