Geri Dön

Derin öğrenme yöntemleriyle şarkı sözü üretimi

Lyrics generation using deep learning methods

PDF İndir

  1. Tez No: 1014683
  2. Yazar: MUHAMMED EMİNOĞLU
  3. Danışmanlar: DOÇ. DR. MURAT KÖKLÜ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Müzik yazılımları, Sınıflandırma algoritması, Öğrenme algoritmaları, İnsan-yapay zeka etkileşimi, Music softwares, Classification algorithm, Learning algorithms, Human-artificial intelligence interaction
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Şarkı sözü yazma süreci, müzikal yapı ile dilbilimsel özelliklerin uyumlu bir şekilde birleştirilmesini gerektiren karmaşık bir süreçtir ve geleneksel olarak deneyimli söz yazarları tarafından yürütülmektedir. Mevcut yapay zeka yaklaşımları, şarkı sözü üretimini ya sadece metin tabanlı modellerle ya da yalnızca melodi bilgisi kullanarak gerçekleştirmekte, müziğin çok boyutlu yapısını göz ardı etmektedir. Bu tez çalışmasında, bu sınırlılığı aşmak amacıyla çok katmanlı bir yaklaşım önerilmiştir. İlk aşamada, 54.652 Türkçe şarkı sözünden oluşan eğitim veri seti kullanılarak LSTM, Transformer ve SeqGAN olmak üzere üç farklı derin öğrenme mimarisi ile şarkı sözü üretim modelleri eğitilmiştir. LSTM modeli 283,1, Transformer modeli 292,0 perplexity değerlerine ulaşmıştır. İkinci aşamada, Retrieval- Augmented Generation (RAG) yaklaşımı ile DeepSeek-V3 büyük dil modeli kullanılarak 2.464 benzersiz şarkıdan oluşturulan 12.437 bağlam parçası üzerinden şarkı sözü üretimi gerçekleştirilmiştir. Üçüncü aşamada, 34.342 MIDI dosyasından 3.691 şarkı için tempo, tonalite, nota yoğunluğu, dinamik aralık ve enstrüman yapısı gibi müzikal öznitelikler çıkarılmış ve RAG üretim sürecine entegre edilmiştir. Değerlendirme, 14 otomatik metrik (BLEU, ROUGE-L, Distinct-N, Self-BLEU, kafiye yoğunluğu vb.) ve G-Eval (LLM-as-Judge) çerçevesiyle 6 boyutta (dilbilimsel kalite, anlamsal tutarlılık, türe uygunluk, yaratıcılık, duygusal etki, müzikal uyum) gerçekleştirilmiştir. RAG tabanlı baseline model 7,64/10 genel G-Eval skoru elde etmiştir. MIDI zenginleştirmesi, şarkı sözünün ortalama uzunluğunu 92,9 kelimeden 117,8 kelimeye çıkararak istatistiksel olarak anlamlı bir artış sağlamış (p < 0,001), Self-BLEU değerini 0,086'dan 0,081'e düşürerek üretim çeşitliliğini iyileştirmiş ve kafiye yoğunluğunu 0,088'den 0,096'ya yükseltmiştir. G-Eval boyutlarında ise yaratıcılık skoru 5,88'den 6,14'e yükselerek olumlu bir eğilim göstermiş, ancak bu fark istatistiksel olarak anlamlı bulunmamıştır (p = 0,338). Diğer beş G-Eval boyutunda baseline modelin üstünlüğü istatistiksel olarak doğrulanmıştır (p < 0,05). Bu bulgular, MIDI bilgisinin üretim uzunluğunu ve yapısal çeşitliliği artırdığını, ancak G-Eval ile ölçülen algısal kalitenin farklı bir dinamik izlediğini ortaya koymaktadır.

Özet (Çeviri)

The process of writing song lyrics requires the harmonious integration of musical structure and linguistic features, and is traditionally performed by experienced lyricists. Current artificial intelligence approaches perform lyrics generation either using only text-based models or utilizing melody information alone, disregarding the multidimensional structure of music. In this thesis, a multi-layered approach is proposed to overcome this limitation. In the first phase, lyrics generation models were trained using three deep learning architectures (LSTM, Transformer, and SeqGAN) on a training dataset of 54,652 Turkish song lyrics. The LSTM model achieved a perplexity of 283.1, while the Transformer model reached 292.0. In the second phase, Retrieval-Augmented Generation (RAG) was employed with the DeepSeek-V3 large language model, generating lyrics from 12,437 context chunks derived from 2,464 unique songs. In the third phase, musical features including tempo, key, note density, dynamic range, and instrument structure were extracted from 3,691 songs out of 34,342 MIDI files and integrated into the RAG generation process. Evaluation was conducted using 14 automatic metrics (BLEU, ROUGE-L, Distinct-N, Self-BLEU, rhyme density, etc.) and the G-Eval (LLM-as-Judge) framework across 6 dimensions (linguistic quality, semantic coherence, genre appropriateness, creativity, emotional impact, musical harmony). The RAG-based baseline model achieved an overall G-Eval score of 7.64/10. MIDI enrichment increased the average song length from 92.9 to 117.8 words, yielding a statistically significant improvement (p < 0.001); it also improved diversity by lowering the Self-BLEU value from 0.086 to 0.081, and raised the rhyme density from 0.088 to 0.096. In the G-Eval dimensions, the creativity score rose from 5.88 to 6.14, indicating a positive trend; however, this difference was not statistically significant (p = 0.338). Baseline superiority was statistically confirmed in the remaining five G-Eval dimensions (p < 0.05). These findings demonstrate that MIDI information increases generation length and structural diversity, while perceived quality as measured by G-Eval follows a different dynamic.

Benzer Tezler

  1. Tez No

    682908

    Derin öğrenme yöntemleriyle sosyal medya analizi ve kullanıcı temsili

    Social media analysis and user representation with deep learning methods

    İBRAHİM RIZA HALLAÇ

    Doktora

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GALİP AYDIN

  2. Tez No

    998419

    Monofloral bal potansiyeli belirlemede derin öğrenme destekli piksel sınıflandırma ile ayçiçeği bitkisinin tespiti; Konya örneği

    Detection of sunflower plant with deep learning supported pixel classification in monofloral honey potential determination, the case of Konya

    AHMET ALPARSLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Jeodezi ve FotogrametriKonya Teknik Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATİH SARI

  3. Tez No

    870178

    Panoramik radyografilerde dens invajinatus varlığının yapay zekâ modelleriyle tespiti

    Detection of dens invaginatus in panoramic radiographs using artificial intelligence models

    AYŞE HANNE SARI

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2024

    Diş HekimliğiNecmettin Erbakan Üniversitesi

    Ağız, Diş ve Çene Radyolojisi Ana Bilim Dalı

    DOÇ. DR. GÜLDANE MAĞAT

  4. Tez No

    997286

    İklim değişikliği eğitim politikalarına karşılaştırmalı bir bakış: Türkiye, İngiltere, Hollanda, Almanya

    A comparative perspective on climate change education policy: Türkiye, UK, Netherlands, Germany

    BUŞRA SARI

    Doktora

    Türkçe

    Türkçe

    2026

    Eğitim ve ÖğretimHacettepe Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. ŞEFİKA ŞULE ERÇETİN

  5. Tez No

    674767

    Hybrid reciprocal recommendation with advanced feature representations

    Gelişmiş özellik gösterimleri ile hibrit çift taraflı öneri sistemleri

    EZGİ YILDIRIM

    Doktora

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE ÖĞÜDÜCÜ

Geri Dön