관심주제 유사연구 발표

1. 관심 주제?

제가 관심 있는 주제라 하면 단도직입적으로, 전 네트워크 분석 기법에 제일 관심이 가서 이걸 반드시 캡스톤에서 메인으로 다루고 싶었어요. 그래서 네트워크 분석 기법이 들어간 데이터 사이언스 포트폴리오만 8개 정도 봤는데, 분석하고자 하는 목표가 이 기법에 정확하게 들어맞지 않으면 너무나 피상적인 수준의 결과만 도출되기 십상이라는 것을 알게 됐다. 그래서 다른 데이터 사이언스 포트폴리오들을 보면서 다시 고민해봤다. 그러다

 

17년도 파이콘(파이썬 컨퍼런스) 발표 세션 중 이런 발표 세션을 발견했고, 이 발표에서 착안해 캡스톤 주제를 정했다.  결론적으로 난 음성 데이터 분석을 하기로 했고, 주제를 비롯한 자세한 내용은 다음주 주제 발표 시간에 언급하는 걸로 하겠. 오늘은 내가 본 이 발표 세션이 어떤 내용이었는지 유사 주제 사례로 언급하겠다.

 

 

2. 특징 추출

frequency 진동수, 주파수

크로마그램은 발화를 쪼개서 피치(음높이)에 해당하는 것을 12 음계로 표시하여 만든 특징 그래프.

MFCC는 주파수 중에서도 인간의 가청 범위와 연관된 채널과 가장 비슷한 10개에서 20개 정도의 채널을 뽑아내서 만든 그래프

 

 

3. segmentation 분할

12음계를 행/열로 하는 2차원 피처 매트릭스를 만드는 과정. 2~5초 짜리 프레임이 오디오를 지나가면서 특징 벡터를 추출해낸다.

 

 

4. 클러스터링

1) k 평균 클러스터링: 별로 좋은 방법 아님

2) 가우시안: 서로 다른 두 발화자는 서로 다른 가우시안 분포, 그래프를 보임. 오디오 상에서 프레임이 지나가면서 두 가우시안 분포 그래프가 달라지는 포인트를 찾아내는데, BIC란 값을 계산하고 비교해서 찾아내는 것.

3) 마지막으로 계층 클러스터링: 유클리디안 거리로 계산된 유사도를 기반으로 계층 클러스터링이 진행되며, 비슷한 목소리를 구분하여 각 발화자를 찾아내는 마지막 단계. 덴드로그램은 클러스터링 알고리즘에서 단일 클러스터링이 진행되는 '과정'을 보여주는 지표.