Méthodes de traitement automatique du langage naturel pour la génération et l'extraction automatique d'information musicale

Published: 26 Apr 2026, Last Modified: 26 Apr 2026JIM2026 ArticleacceptéOralETPosterEveryoneRevisionsCC BY-SA 4.0
Type De Soumission: Articles déjà publiés en 2025 ou 2026
Keywords: langage, NLP, MIR, Machine Learning
Abstract: La musique est souvent associée à la notion de langage, car ces deux domaines partagent plusieurs similitudes, notamment la capacité à représenter leur contenu sous forme de séquences de symboles. En informatique, les domaines du traitement automatique du langage naturel (NLP) et de l'extraction automatique d'information musicale (MIR) reflètent cette analogie à travers diverses tâches semblables, telles que la détection d'auteur ou de compositeur ou la génération de contenu. Ces similitudes ont longtemps encouragé l'adaptation de méthodes de NLP au traitement des données musicales, en particulier des représentations symboliques de la musique, et l'essor des réseaux neuronaux Transformer a considérablement renforcé cette pratique. Cet exposé passe en revue les principales méthodes de NLP appliquées à l'extraction et génération automatique de musique, tout en évoquant les réflexions sur le parallèle musique / langage que cette pratique soulève. Nous proposons tout d'abord un aperçu des représentations de la musique symbolique inspirées des représentations séquentielles de texte. Nous passons ensuite en revue un large ensemble de modèles, en particulier d'apprentissage profond, qui ont été adaptés du NLP pour traiter ces représentations musicales pour résoudre diverses tâches de MIR. Ces modèles sont décrits et classés selon différents prismes, en mettant l'accent sur leurs mécanismes spécialisés dans la musique. Enfin, nous présentons une discussion sur l'utilisation adéquate des outils de NLP pour traiter les données musicales symboliques. Cela inclut les questions techniques relatives aux méthodes de NLP qui pourraient ouvrir plusieurs pistes pour des recherches supplémentaires visant à adapter plus efficacement les outils du NLP au MIR symbolique.
Email Sharing: Nous autorisons le partage des noms et des adresses électroniques des auteurs avec les responsables du programme.
PDF Or ZIP: pdf
Submission Number: 16
Loading