Automatische Klassifikation von Musikkünstlern basierend auf Web-Daten

Musikorganisation stellt in einer Zeit der stark wachsenden Verbreitung digitaler Musik eine der zentralen Herausforderungen dar. Ein bew¨ahrtes Mittel ist die Einteilung von Musik in Genres. In dieser Arbeit wird ein Ansatz zur automatischen Klassifikation von Musikk¨unstlern unter Verwendung von Text Categorization Methoden vorgeschlagen. Konkret werden von Suchmaschinen empfohlene Webseiten analysiert, um daraus Beschreibungen von K¨unstlern, in Form von Worth¨aufigkeiten, zu extrahieren. Zur Klassifikation kommen haupts¨achlich Support Vector Machines zum Einsatz. Die pr¨asentierten Experimente umfassen die Evaluierung des Klassifikationsprozesses anhand einer Taxonomie von 14 Genres mit insgesamt 224 K¨unstlern, die Erprobung von Filtermethoden zur Steigerung der Qualit¨at der zugrunde liegenden Daten, sowie die Absch¨atzung des Einflusses der Fluktuationen des Internets auf die Klassifikation durch Auswertung einer Langzeitstudie ¨uber eine Zeitspanne von knapp einem Jahr. Anhand dieser Experimente wird untersucht, wie viele K¨unstler zur Definition des Konzepts eines Genres erforderlich sind, welche Suchmaschine und Suchanfrage am geeignetsten sind, welche Klassifikationsgenauigkeit erwartet werden kann und ob der Ansatz als ¨Ahnlichkeitsmaß f¨ur K¨unstler tauglich ist.