Stilometrie erobert die Musikwissenschaft
Mit dem Aufkommen digitaler Daten und leistungsfähigerer Computer haben sich die Anwendungsfelder der Stilometrie erheblich erweitert und umfassen heute auch nicht-textuelle Daten. Somit stellt die klassische Stilometrie eine leistungsstarke Methode zur quantitativen Stilanalyse dar. Sie bietet wertvolle Einblicke in die strukturellen und charakteristischen Merkmale von Daten in verschiedenen Domänen.. Eine dieser Domänen sind die Musikwissenschaften. Dies erfordert jedoch eine Anpassung der analytischen Techniken und die Berücksichtigung der einzigartigen Herausforderungen bei der Analyse musikalischer Daten im Vergleich zu Texten.
Vier Anwendungsfelder der Musikstilometrie
Musikstilometrie, als Teil der Digitalen Musikwissenschaft, zielt vor allem darauf ab, quantitative Methoden auf die Analyse und Charakterisierung des Kompositionsstils anzuwenden. Das grundlegende Ziel ist die Charakterisierung spezifischer Kompositionen anhand objektiver, für einen bestimmten Komponisten typischer Merkmale, sowie die Untersuchung, ob Stücke Komponisten korrekt zugeordnet werden können.
Typische Anwendungsbereiche der Musikstilometrie umfassen:
- Komponistenattribution: Dies beinhaltet die Identifizierung stilistischer Merkmale, die bestimmten Komponisten zugeordnet werden können z.B. in.
- Genre- und Stilklassifizierung: Dies ist die Analyse von Merkmalen zur Einordnung von Musik in Genres oder Stile. Die Klassifizierung kann sich dabei auf historische Perioden, Subgenres oder individuelle Komponisten beziehen z.B. in.
- Untersuchung der Stilentwicklung: Hierbei werden Merkmale und Trends über die Zeit verfolgt. Dies ermöglicht die Untersuchung von Stilveränderungen innerhalb des Werkes eines Autors oder über verschiedene Epochen hinweg z.B. in.
- Analyse stilistischer Ähnlichkeiten und Einflüsse: Dies umfasst den Vergleich von Komponisten oder Genres. Solche Analysen können helfen, gemeinsame Merkmale oder stilistische Beziehungen zwischen verschiedenen Werken oder Künstlern aufzudecken z.B. in.
Zwei Schritte zum stilistischen Fingerabdruck
Die stilometrische Analyse von Musikdateien bedient sich einer Reihe von Methoden, um musikalische Stile quantitativ zu erfassen und zu vergleichen. Diese Methoden lassen sich grob in zwei Hauptkategorien unterteilen: die Feature-Extraktion und die Analyse von Ähnlichkeiten und Mustern.
Feature-Extraktion: Die Grundlage jeder stilometrischen Analyse ist die Umwandlung der Musikdaten in quantifizierbare Merkmale (Features), die als Teil der Grundlagen und Methoden der Digitalen Musikanalysebereits bereits detailliert betrachtet wurden. Daher wird an dieser Stelle auf eine erneute Beschreibung verzichtet.
Analyse von Ähnlichkeiten und Mustern: Nach der Feature-Extraktion kommen im zweiten Schritt typischer Weise statistische und maschinelle Lernverfahren zum Einsatz, um Muster und Ähnlichkeiten in den Daten zu erkennen und stilistische Aussagen zu treffen. Auf diese wird im Folgenden Abschnitt näher eingegangen.
Weiterführende Literatur (Auswahl)
Musikstilometrie (Allgemein)
- Brinkman, A., Shanahan, D., & Sapp, C. S. (2016). Musical Stylometry , Machine Learning , and Attribution Studies : A Semi-Supervised Approach to the Works of Josquin. https://www.semanticscholar.org/paper/Musical-Stylometry-%252C-Machine-Learning-%252C-and-Studies-Brinkman-Shanahan/223a0637d3450ef9e3203b45e9e47694e8e801b3
- Kroonenberg, P. M. (2021). Musical Stylometry: Characterisation of Music. In P. M. Kroonenberg (Ed.), Multivariate Humanities (pp. 347–370). Springer International Publishing. https://doi.org/10.1007/978-3-030-69150-9_18
- Lagos, J. (2012, December 19). State-of-the-Art in Musical Stylometry. Musical Stylometry – The Case of Jean-Jacques Rousseau’s Music. https://mentalasalto.wordpress.com/2012/12/19/state-of-the-art-in-musical-stylometry/
Korpusbezogene Arbeiten
- Cuenca-Rodríguez, M. E., & McKay, C. (2021). Exploring Musical Style in the Anonymous and Doubtfully Attributed Mass Movements of the Coimbra Manuscripts: A Statistical and Machine Learning Approach. Journal of New Music Research, 50(3), 199–219. https://doi.org/10.1080/09298215.2020.1870505
- Camps, J.-B., Chaillou, C., Mariotti, V., & Saviotti, F. (2022, July 25). Textual, Metrical and Musical Stylometry of the Trouvères Songs. https://shs.hal.science/halshs-03716477
- Weiß, C., Mauch, M., Dixon, S., & Müller, M. (2019). Investigating Style Evolution of Western Classical Music: A Computational Approach. Musicae Scientiae, 23(4), 486–507. https://doi.org/10.1177/1029864918757595
Methodik zur Analyse von Ähnlichkeiten
- Ens, J., & Pasquier, P. (2020, March 10). Quantifying Musical Style: Ranking Symbolic Music Based on Similarity to a Style. http://arxiv.org/abs/2003.06226
- Gurjar, K., & Moon, Y.-S. (2018). A Comparative Analysis of Music Similarity Measures in Music Information Retrieval Systems. Journal of Information Processing Systems, 14(1), 32–55. https://doi.org/10.3745/JIPS.04.0054
- McKay, C. (2005). Automatic Music Classification and Similarity Analysis. https://www.music.mcgill.ca/~cmckay/papers/musictech/ClassificationAndSimilarityAnalysis.pdf
- Simonetta, F. (2025). Style-Based Composer Identification and Attribution of Symbolic Music Scores: A Systematic Survey. https://doi.org/10.48550/ARXIV.2506.12440
- Velardo, V., Vallati, M., & Jan, S. (2016). Symbolic Melodic Similarity: State of the Art and Future Challenges. Computer Music Journal, 40(2), 70–83. https://www.jstor.org/stable/43829322