Music Information Retrieval
Università degli studi di Padova
Laurea specialistica in Informatica
Music Information Retrieval
Corso di Sistemi Informativi
Michele De Filippo De Grazia
Anno accademico 2006-2007
Music Information Retrieval
Bibliografia




J. Stephen Downie, Music Information Retrieval, University of
Illinois
J. Stephen Downie, Evaluating a Simple Approach to Music
Information Retrieval: Conceiving Melodic N-grams as Text,
University of Western Ontario
Kjell Lemström, Pauli Laine, Musical Information Retrieval
Using Musical Parameters, International Computer Music
Conference 1998
Progetto MIREX: http://www.music-ir.org
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
Introduzione

Music Information Retrieval: tecniche di immagazzinamento e
recupero di materiale musicale



Due filoni



I sistemi MIR attuali si basano solo sui metadati testuali per adempiere ai
propri compiti
Ci si pone l’obiettivo di andare oltre all’utilizzo di metadati testuali
Recupero di file audio: indicizzazione e ricerca attraverso i metadati
testuali all’interno dei file. Tecnica diffusa ma in un ambito molto ristretto
Recupero di opere musicali generiche: indicizzazione e ricerca attraverso
le caratteristiche musicali dell’opera (multifaceted challenge)
Problematiche



Complessità nelle rappresentazione musicale
Diritti d’autore
Assenza di uno standard di riferimento: necessità di una comunità di
sviluppo di riferimento
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
Multifaceted Challenge

Aspetti della rappresentazione musicale










Pitch
Temporal
Harmonic
Timbral
Editorial
Textual
Biblioraphic
Ognuna gioca un ruolo importante nella definizione del dominio di un
sistema MIR
Grande complessità per l’interazione esistente tra tutti questi aspetti
Oggigiorno i più diffusi sistemi MIR trattano soltanto l’aspetto
bibliografico (metadati)
Music Information Retrieval
Multifaceted Challenge

Pitch




Temporal




L’intonazione di una nota data dalla frequenza fondamentale del suono.
Il pitch è rappresentato graficamente come dei simboli (♫,♪,…), nomi
(A,B,…,G) o i gradi della scala (I,II,…,VII)
L’inviluppo melodico (variazione di toni) è l’aspetto più utilizzato dai sistemi
MIR per indicizzare opere musicali (di solito le prime battute)
Informazione che concerne alla durata dell’evento musicale
Molto importante perché interagendo con Pitch rappresenta
completamente un tema musicale (note e la loro durata)
Difficoltà nella rappresentazione per i molti aspetti temporali presenti in
un’opera
Harmonic



Rappresentazione delle polifonie ossia di più pitch suonati
contemporaneamente
Difficile estrazione dai file audio: spesso non sono denotati esplicitamente
Esempio: gli accordi (rappresentati mediante sigle)
Music Information Retrieval
Multifaceted Challenge

Timbral




Editorial




Rappresentazione dell’opera musicale attraverso un testo cantato (testi delle
canzoni, cori,…)
Maggior indipendenza dei testi dalle melodie e arrangiamenti
Perciò posso avere ambiguità e di conseguenza maggior complessità: testi diversi
associati alla stessa melodia, testo associato a melodie diverse, stessa melodia con
testo in lingue diverse, ecc...
Bibliographic



Rappresentazione grafica degli spartiti, con l’aggiunta di informazioni utili per
l’esecuzione
Textual


Rappresenta il timbro sonoro dato dai differenti strumenti utilizzati nell’opera
musicale
Spesso parte di queste informazioni fanno parte dell’aspetto bibliografico
Difficoltà nella rappresentazione per l’enorme quantità di timbri diversi prodotti
dalle tecniche esecutive (legato, pizzicato)
Metadati sulla melodia (autore, titolo, esecutori,…)
Unico criterio di indicizzazione utilizzato su larga scala
Ricerche in atto per creare sistemi MIR che utilizzino anche altri aspetti
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
Ulteriori Problematiche

Oltre alle problematiche relative agli aspetti rappresentativi della
musica, ne esistono altre





Multirepresentational Challange
Multicultural Challenge
Multiexperiential Challenge
Multidisciplinarity Challenge
L’aggiunta di questi ulteriori aspetti spiega la grande difficoltà nella
realizzazione di un sistema MIR completo
Music Information Retrieval
Ulteriori Problematiche

Multirepresentational Challenge



Esistono diverse scelte per la rappresentazione informatica della musica
Da queste scelte dipendono la facilità di estrazione delle rappresentazioni
interne e lo spazio richiesto per la loro memorizzazione
Esempio:
• Spartito/MIDI
• File audio


bassi costi di immagazzinamento
onere molto maggiore
Problemi di copyright per la creazione di un catalogo musicale
Multicultural Challenge



L’informazione musicale è per sua natura multiculturale
Opere al di fuori del sistema tonale occidentale (musica indiana, tribale
africana) richiederebbero uno studio approfondito per cercare altri
aspetti rappresentativi
Si cerca di superare ciò con informazioni aggiuntive all’interno delle
informazioni bibliografiche
Music Information Retrieval
Ulteriori Problematiche

Multiexperiential Challenge




La musica può essere catalogata anche secondo i gusti musicali e
l’esperienza personale
Un ulteriore sviluppo di sistemi MIR potrebbe essere, la catalogazione
delle opere musicali secondo considerazioni psico-acustiche sull’effetto
emotivo prodotto sull’ascoltatore
Esempio: attraverso feedback capire quando un brano è da considerarsi
noioso oppure allegro
Multidisciplinarity Challenge


All’interno di un progetto per realizzare un sistema MIR esiste un enorme
“diversità intellettuale”
Questo implica chiare difficoltà nel suo sviluppo, infatti eterogeneità tra i
ricercatori e sviluppatori comportano
• Difficoltà nella definizione degli obiettivi e modalità operative
• Necessita di standard per indicizzare le opere (spartiti vs segnale campionato)
• Difficoltà nella diffusione della ricerca (diverse comunità con scarsa coesione)
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
Sistemi MIR

Una classificazione dei sistemi MIR viene fatta sulla loro completezza
di rappresentazione



Maggiore completezza comporta maggior numero di facet utilizzate per la
rappresentazione
Un sistema che utilizza tutte le facet elencate si dice “completo”
Esistono due tipi principali di sistemi MIR che differiscono per
completezza e per diversità d’uso


Analytic/Production MIR System
Locating MIR System
Music Information Retrieval
Sistemi MIR

Analytic/Production MIR System: caratteristiche




Caratterizzato dal più alto grado di completezza rappresentativa
Creato per utenti esperti: musicologi, compositori, trascrittori
Ha lo scopo di analizzare approfonditamente tutte le facet musicali per
specifiche analisi teoriche e produzione musicale (grana fine)
Analytic/Production MIR System: tecniche

Il suo sviluppo viene ricondotto da un problema di rappresentazione
musicale ad un problema di programmazione o comunque ad una qualche
tecnica già nota
• Tentativi di modellare l’informazione musicale come linguaggio di
programmazione (Kassler, Lincoln, Lemstrom)
• Sviluppo di linguaggi funzionali appositi (MIRA) per esprimere la
rappresentazione musicale (Sutton)
• Estensione del modello ER utilizzando DB relazionali (Rubenstein)
• Utilizzo di espressioni regolari (McLean’s) e automi a stati finiti (Page)
Music Information Retrieval
Sistemi MIR

Analytic/Production MIR System: strumenti


Necessità di sviluppare uno strumento che sia in grado di realizzare i
compiti standard di un sistema MIR (encoding, estrazione, pattern
matching,…)
Humdrum Toolkit cerca di realizzare tutto questo
• Composto da 50 programmi integrati tra loro (sviluppato per UNIX)
• Strumento potente in grado di gestire query di complessità arbitraria
• Grande flessibilità: creazione di query basate su diverse facet musicali
• Enorme complessità d’uso: necessità di scrivere le query nello stretto
linguaggio formale UNIX
extract –i**kern’ HG.kern | semits –x | xdelta –s = |patt –t Motivel –s = -f Motiv1.pat |
extract –i**’patt’| assemble HG.krn
• Per questo sviluppato per utenti esperti
Music Information Retrieval
Sistemi MIR

Locating MIR System: caratteristiche




Sviluppati per assistere l’identificazione locazione e recupero di brani
musicali
Creato per utenti generici
Si focalizza solo su alcune facet musicali: Pitch, Temporal, Textual,
Bibliograpich (grana grossa)
Locating MIR System: tecniche (1)

Query tipiche utilizzando solo informazioni testuali e bibliografiche
• Lista di tutte le opere di un dato compositore
• Lista delle informazioni correlate ad una data opera

Per altre invece necessito della tecnica Incipit Index ovvero della
rappresentazione dell’inviluppo melodico privo delle informazioni
temporali della prima parte dell’opera
• Opera che inizia con una data linea melodica
Music Information Retrieval
Sistemi MIR

Locating MIR System: tecniche (2)


Il sistema Incipit Index (1970) è incompleto, infatti la sua rappresentazione
porta ad una ricerca solo per tema principale ma ha buoni effetti nella
pratica (scrittura query semplice)
Un esempio è l’indice di Parsons (1975)
• Rappresenta l’inviluppo melodico utilizzando solo tre simboli: R (nota
ripetuta), D (melodia discendente) e U (melodia ascendente).
• Trascura completamente l’intonazione delle note ma ho una bassa probabilità
di fare errori nella formulazione della query
• E’ anche possibile utilizzare non solo la parte iniziale ma tutta l’opera
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
Multifaceted Challenge e Sistemi MIR

Ci sono vari modi in cui un sistema MIR gestisce singoli aspetti della
rappresentazione musicale. In seguito ne vedremo alcuni a seconda
dell’aspetto trattato
Music Information Retrieval
Multifaceted Challenge e Sistemi MIR

Pitch e Temporal (1)

RISM (1997)
• DataBase musicale composto da 200.000 composizioni per 8.000 autori
• Rappresentazione mediante Incipit Index focalizzata su pitch e durata
• Quindi rappresento soltanto la parte iniziale dell’opera, codificata usando
codici alfanumerici Plaine and Easie
Codifica alfanumerica per i pitch
• Codifica numerica per la durata temporale
•
• Esempio: “Il core vi dono” da “Cosi fan tutte” (Mozart)
%F-4$Bb@3/8#’8C.6.3$.B’C&/,8AD6(-)D/,8G’8.C,6B/8F
• Problematiche
Difficoltà nell’interpretazione delle informazioni e nella formulazione delle query
per la necessità di conoscere perfettamente la melodia e il linguaggio
• Per risolvere alcuni di questi problemi si è creato il sistema HyperBack che
consente l’inserimento delle query utilizzando una interfaccia e una tastiera MIDI
•
Music Information Retrieval
Multifaceted Challenge e Sistemi MIR

Pitch e Temporal (2)

MELDEX (100.000 file MIDI + 10.000 documenti)
• Sistema MIR completo
• File MIDI reperiti dal Web utilizzando uno spider
• Usa rappresentazioni multiple per la singola composizione (spartito, file audio,
MIDI)
• Modulo di ricerca con Query by Humming
• Ricerca sia utilizzando l’inviluppo melodico semplice (Parsons) sia il match
esatto (con informazioni aggiuntive)
• Tecniche di programmazione dinamica aumentano l’accuratezza della ricerca
ma ad un considerabile costo computazionale

Altri sistemi
• Utilizzo di n-grammi per rappresentare le melodie a cui applicare le classiche
tecniche di IR
Music Information Retrieval
Multifaceted Challenge e Sistemi MIR

Harmonic





Query con argomento l’armonia della composizione musicale, che
possono essere monofoniche o polifoniche (problema di formulazione)
Difficoltà nel discriminare melodia e armonia in opere con forme
composite (file audio)
Spazio di ricerca per opere polifoniche multidimensionale
Utilizzo algoritmi di pattern matching o n-grammi per ridurmi a problemi
già noti
Timbral



Generalmente basato sul processare le melodie per estrarre i timbri in
essa presenti
Buoni risultati per opere monofoniche (un unico strumento)
Ancora non esiste un buon strumento per discriminare gli strumenti in
melodie composite
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
MIREX

MIREX (Music Information Retrieval Evaluation eXchange) è un
progetto nato all’interno di Music-ir.org (comunità di sviluppo per
sistemi MIR) che si pone l’obiettivo di definire




Un benchmark d’uso per la valutazione di sistemi MIR
Metodologie standard per la valutazione dei risultati forniti da sistemi MIR
La prima MIREX Conference si è tenuta a Londra, 11-15 settembre
2005
Lo scopo è di confrontare lo stato dell’arte degli algoritmi e sistemi
esistenti migliorando gli aspetti relativi alla multidiscipinarietà
Music Information Retrieval
Outline







Introduzione
Multifaceted challenge
Ulteriori problematiche
Sistemi MIR
Multifaceted challenge e sistemi MIR
MIREX
Esempio di un semplice sistema MIR: il progetto MusiFind
Music Information Retrieval
Il progetto MusiFind




Progetto iniziato nel 1993 che aveva il compito di creare un sistema
MIR per la raccolta e l’estrazione di brani a partire da un catalogo
musicale
Ci soffermeremo solo alla parte del progetto relativa alla creazione e
rappresentazione del catalogo musicale (indice) e dei risultati ottenuti
Il primo passo fu di scegliere il formato con cui dovevano essere
codificati i file iniziali
La scelta cadde sui file MIDI




Formato molto diffuso
Codifica relativamente semplice e manipolabile
Conosciuto da quasi tutti i ricercatori
Il secondo passo fu di scegliere alcuni aspetti chiave sulla
rappresentazione musicale


Enfatizzare la recall sulla precision, quindi non inserire informazioni
ritmiche nell’indice, ossia si preferiva recuperare solo il brano rilevante
(single label)
Utilizzare intervalli (n-grammi) piuttosto che toni per la loro
rappresentazione più generale
Music Information Retrieval
Il progetto MusiFind

Sono state definite alcune unità di misura e loro proprietà

“intervallo” = la differenza tra due toni
• Un tono codificato secondo MIDI è un valore compreso tra [0..127] allora gli
intervalli possibili saranno da -127 a +127
• Questi sono troppi per poter indicizzare quindi nasce la necessità di dividerli
in classi

“classi di intervalli” = insieme di intervalli equivalenti
• Se partizioniamo l’insieme di intervalli I in sottoinsiemi disgiunti I1, I2,…, Ic
tali che
c
I
j
I e
i  j  Ii  I j  
j 1
• Ogni Ii è chiamata una classe di equivalenza
• Ora definiremo una funzione di classificazione
Music Information Retrieval
Il progetto MusiFind

Funzione di classificazione
C : I  1..c
dove C (i)  j  i  I j



Che converte l’intervallo i nella sua classe di equivalenza
Tale funzione viene creata ad hoc a seconda del tipo di classificazione
Stringa melodica


Data una sequenza di toni p1, p2, p3,…,pn definiamo la sua corrispondente
sequenza di intervalli come
i1, i2, i3,…in-1 dove ij = pj+1 - pj (intervallo tra pj e pj+1)
Data una sequenza di intervalli i1, i2, i3,…in-1 definiamo la corrispondente
sequenza di classi di intervalli come
C(i1), C(i2), C(i3),…,C(in-1) dove C è la funzione di classificazione
Music Information Retrieval
Il progetto MusiFind

Ora definiamo le features utilizzate per l’indicizzazione

Data una sequenza X = x1, x2, x3,…, xn definiamo la sottosequenza di
lunghezza k a partire dall’elemento j come
X kj  x j ,..., x j k 1

Allora data una sequenza di classi di intervalli S = c1, c2, c3,…,cn possiamo
definire allo stesso modo
S kj  c j ,..., c j k 1


Queste sottosequenze saranno quindi le nostre features
Possiamo finalmente scrivere la prima parte dell’algoritmo per
generare tali features dalla collezione
Music Information Retrieval
Il progetto MusiFind

Algoritmo per la creazione delle features
1.
2.
3.
4.
Sia data una melodia = sequenza di toni di lunghezza n+1
Calcolo la sequenza di intervalli lunga n relativa alla melodia
Applico la funzione di classificazione C ad ogni intervallo producendo la
sequenza di classi di intervalli relativa (lunga n)
Estraggo tutte le sottosequenze di lunghezza k (k arbitrario)
Music Information Retrieval
Il progetto MusiFind

Osservazioni




Le sottosequenze non sono necessariamente distinte
Se volessimo quindi costruire una tabella con tutte le sottosequenze di
lunghezza k possibili, tale tabella dovrebbe avere ck entry (permutazioni
lunghe k delle c classi)
Se le enumeriamo da 0 a ck-1 possiamo definire una funzione che
mapperà ogni singola sottosequenza in un valore di tale intervallo
Sia data una sequenza di classi di intervalli S = s0, s2, s3,…,sk-1 allora
definiamo tale funzione come
k 1
H ( S )   c i si
i 0

Possiamo allora utilizzare H per costruire le features finali, ossia
sostituisco ogni sottosequenza con una sorta di “impronta” (univoca) che
sarà utilizzata come chiave in una hash table
Music Information Retrieval
Il progetto MusiFind

Algoritmo per la creazione delle features (completo)
1.
2.
3.
4.
5.
Sia data una melodia = sequenza di toni di lunghezza n+1
Calcolo la sequenza di intervalli lunga n relativa alla melodia
Applico la funzione di classificazione C ad ogni intervallo producendo la
sequenza di classi di intervalli relativa (lunga n)
Estraggo tutte le sottosequenze di lunghezza k (k arbitrario)
Per ogni distinta sottosequenza lunga k applico la funzione H per
generare i corrispondenti indici della hash table
Music Information Retrieval
Il progetto MusiFind

Ora è possibile scrivere l’algoritmo per generare un indice sulla
collezione musicale (hash table)
1.
2.
Inizializzo la tabella in modo che a tutte le entry sia associata una lista
vuota
Per tutti i file f (melodie) della collezione
a.
Per tutte le sottosequenze S di classi di intervalli lunghe k in f



Calcola l’indice i = H(S)
Aggiungi il nome del file f (o un codice identificativo) alla lista della i-esima entry
della hash table a meno che f non compaia già nella lista
Quindi la lista associata all’entry i rappresenta l’insieme delle melodie
che contengono al loro interno la sottosequenza S di classi di
intervalli tale che H(S) = i
Music Information Retrieval
Il progetto MusiFind

A partire da questo algoritmo possiamo trovare anche la risposta ad
una stringa query q
1.
2.
Creare tutte le sottosequenze di classi di intervalli lunghe k in q
Per ogni sottosequenza S
a.
b.
3.



Generare l’indice i = H(S) della hash table
Estrarre la lista di file associati all’ i-esima entry della hash table
Mantenere nella lista finale solo i file che compaiono in tutte le sottoliste
Quindi ognuno dei file recuperati conterrà almeno una istanza di
ognuna delle sottosequenze di classi di intervalli generate da q
Non necessariamente conterrà q stessa, infatti le sequenze
potrebbero non essere nell’ordine esatto
Da questo fatto abbiamo due conseguenze


Buona probabilità di recuperare molte melodie poco rilevanti (bassa
precision)
La melodia rilevante sarà recuperata (recall massima)
Music Information Retrieval
Il progetto MusiFind



Lo scopo finale di questo progetto era di capire gli effetti sul recupero
delle melodie utilizzando gli n-grammi e l’indicizzazione
Prima di ciò c’era la necessità di decidere quali valori assegnare a c
(numero di classi di equivalenza) e l (lunghezza delle sottosequenze)
in modo da non aumentare troppo la grandezza della hash table
Inoltre si è deciso di utilizzare sottosequenze di lunghezza diversa per
le query, non necessariamente uguale ad l

Sottosequenze più lunghe di l
• lq = 5 e l = 4
q = 12345
1234 and 2345
• L’insieme finale sarà l’intersezione delle liste risultanti

Sottosequenze più corte di l
• lq = 4 e l = 6
q = 1234
1234@@ (@=tutti i valori)
• L’insieme finale sarà l’unione delle liste risultanti
Music Information Retrieval
Il progetto MusiFind

Furono scelte 4 combinazioni per c e l (creazione di 4 indici diversi)





E tre lunghezze per le query





4, 6 e 8 (Q4, Q6, Q8)
Collezione di 100 file MIDI
Esperimento eseguito su query ricavate dalle melodie stesse


c=7 e l=6 (C7L6) con 117.649 entry
c=12 e l=5 (C12L5) con 248.832 entry
c=14 e l=5 (C14L5) con 537.824 entry
c=23 e l=4 (C23L4) con 379.841 entry
Come parte iniziale della melodia
Scelta random all’interno della melodia
Il totale delle query eseguite per esperimento è 1.200 (100 melodie x
4 indici x 3 tipi di query)
Da questi esperimenti è stata poi calcolata la precision come

P = 1/ n° di melodie recuperate
Music Information Retrieval
Il progetto MusiFind
Risultati ottenuti utilizzando query ricavate dalla parte iniziale delle 100 melodie
Media file
Max n° file
N° query
P
C7L6Q4
24.93
83
69
0.04
C7L6Q6
7.8
53
87
0.13
C7L6Q8
3.84
53
97
0.26
C12L5Q4
9.95
42
87
0.10
C12L5Q6
2.6
16
97
0.38
C12L5Q8
1.41
14
99
0.71
C14L5Q4
8.34
39
90
0.12
C14L5Q6
2.26
17
96
0.44
C14L5Q8
1.35
11
100
0.74
C23L4Q4
4.86
26
93
0.21
C23L4Q6
1.84
26
97
0.54
C23L4Q8
1.35
26
100
0.74
Media P
0.14
0.40
0.43
0.50
Music Information Retrieval
Il progetto MusiFind
Risultati ottenuti utilizzando query ricavate random all’interno delle 100 melodie
Media file
Max n° file
N° query
P
C7L6Q4
23.19
83
75
0.04
C7L6Q6
7.57
53
92
0.13
C7L6Q8
4.15
53
95
0.24
C12L5Q4
11.68
42
79
0.09
C12L5Q6
2.13
14
98
0.47
C12L5Q8
1.36
14
100
0.74
C14L5Q4
8.84
39
87
0.11
C14L5Q6
2.04
15
99
0.49
C14L5Q8
1.24
8
100
0.81
C23L4Q4
4.81
26
95
0.21
C23L4Q6
1.43
26
100
0.70
C23L4Q8
1.35
26
100
0.74
Media P
0.14
0.43
0.47
0.55
Music Information Retrieval
Il progetto MusiFind
Risultati ottenuti utilizzando ricerca contigua su query ricavate sia all’inizio
sia random all’interno delle 100 melodie (medie sui 4 indici)
Media file
Max n° file
N° query
P
IConQ4
4.59
22
90
0.22
IConQ6
1.41
8
96
0.71
IConQ8
1.08
5
99
0.93
RConQ4
5.17
26
97
0.19
RConQ6
1.30
8
96
0.77
RConQ8
1.04
5
96
0.93
Media P
0.62
0.64
Music Information Retrieval
Il progetto MusiFind

Vediamo quindi il riepilogo dei risultati ottenuti





Precision media per le query estratte all’inizio delle melodie
P=0.37
Precision media per le query estratte random dalle melodie
P=0.40
Precision media per tutte le query non contigue
P=0.38
Precision media per tutte le query contigue
P=0.63
Miglior risultato ottenuto con la combinazione C23L4
• Query non contigue P=0.53
• Query contigue
P=0.63