Chord sequences : evaluating the effect of complexity on preference

What is the level of complexity that we like most when we listen to music? This is the fundamental question that motivates this work. It is not easy to give an answer; yet, music recommendation systems would benefit enormously from an algorithm that could use a currently unused musical property, such as com- plexity, to predict which music the users prefer. In order to answer this question, we exploit the subdivision of music in multiple aspects, such as chords, rhythm, melody, orchestration, etc. and we proceed by using the "divide et conquer" strategy, addressing specifically the task of understanding the relation between preference and complexity of chord sequences. We know from previous research that some properties, e.g. complexity, tend to increase the amount of activity in the listener’s brain (a.k.a. arousal potential) and we know that this parameter influences the listener’s preference for a certain piece of music. In particular, there is an optimal arousal potential that causes maximum liking, while a too low as well as a too high arousal potential results in a decrease of liking. We hypothesize that the the level of the optimal arousal potential depends on the mu- sic expertise of a person. Therefore, we design a listening test in order to prove the existence of a relation between these two values. As a measure of complexity, we use a set of state of the art models of harmonic complexity, based on chord sequence probability. Our results, analyzed using robust regression techniques, show a positive correlation between the musical expertise of the subjects who participated in the test and the complexity of the chord sequences that they chose as the one they prefer.

Qual è il livello di complessità che preferiamo durante l’ascolto di musica? Questa è la domanda fondamentale che motiva il nostro lavoro. Nonostante sia complicato trovare una risposta adeguata, i sistemi di raccomandazione in am- bito musicale trarrebbero grandi benefici da un algoritmo in grado di usare una propri- età musicale attualmente inutilizzata (la complessità) per suggerire la musica preferita dagli utenti. Per rispondere a questa domanda, sfruttiamo la suddivisione della mu- sica in molteplici aspetti, come gli accordi, il ritmo, la melodia, l’orchestrazione, ecc... e utilizziano la strategia "divide et impera", considerando solamente la relazione tra preferenza e complessità delle sequenze di accordi. UAL Sappiamo da precedenti ricerche che alcune proprietà, tra cui la complessità, tendono ad aumentare la quantità di attività cerebrale dell’ascoltatore (il cosidetto "arousal po- tential"). Inoltre sappiamo che questo parametro influenza la preferenza dell’ascoltatore. In particolare è possibile individuare un "arousal potential" ottimale che produce il mas- simo gradimento, mentre livelli troppo alti e troppo bassi di questo fattore determinano un minor apprezzamento del brano. In questo lavoro ipotizziamo che il livello ottimale di "arousal potential" dipendenda dall’esperienza musicale di ogni individuo. Pertanto, progettiamo un test di ascolto che punta a verificare l’esistenza di una relazione tra questi due valori. Come misura della complessità usiamo un insieme di modelli di complessità allo stato dell’arte, che si basa sulla probabilità delle sequenze di accordi. Analizzando i nostri risultati attraverso tecniche di regressione robusta, proviamo l’esistenza di una correlazione positiva tra l’esperienza musicale del soggetto e la complessità delle sequenze di accordi da lui preferite.