DATA CLEANING FOR DATA MINING AND APPLICATIONS ON TURKISH CLASSICAL MUSIC DATA

Yıl 2019, Cilt: 3 Sayı: 1, 150 - 159, 30.06.2019

Sinan Duru , Oya Hacire Yüreğir

Öz

As a result of increasing data sets, keeping data under control and
analyzing them have become compulsory. It is a necessity to convert the raw
data into knowledge with data mining. Managing knowledge adds value to data.
Furthermore, it is a basis for innovation. Even though data science is
generally used in production, economics, informatics, health etc., it is
possible to implement it in all sectors where data exist. In this study, a statistical
analysis is conducted on a data set of Turkish Music repertoire which was
downloaded with a Java script programme. This data set consists of 43936 data. For
the statistical analysis the topic is selected in rhythmic patterns which is
the structure of music called “usûl” in Turkish Classical Music. This study concerns
with the relationship between “usûl” and prosodic patterns called “arûz” and the
importance of data cleaning in data mining process. The result of the statistical
analysis shows that composers who lived in the early 20th century used “arûz”
more than others.

Anahtar Kelimeler

Data Mining, Music Mining, Turkish Music, Usûl, Arûz

VERİ MADENCİLİĞİNDE VERİ TEMİZLEME VE TÜRK MÜZİĞİ VERİLERİ ÜZERİNDE UYGULAMA ÇALIŞMALARI

Öz

Veri
kümelerinin giderek artması, bu verilerin kontrol altında tutulmasıyla ve etkin
bir şekilde kullanımıyla ilgili çalışmaların yapılmasını, verilerin
yönetilmesini bir gereklilik hâline getirmiştir. Verilerin anlamlı ve yararlı
bir hâle getirilebilmesi için buradaki verilerin işlenmesi ve bilgi hâline
dönüştürülmesi gerekmektedir.  İyi
yönetilen bilginin veriye değer katması gibi bir yararı olmasıyla beraber, yeni
adımlar atmak için de ana kaynak olduğu ortadadır. Günümüzde veri bilimi daha çok üretim, ekonomi,
bilişim, eğitim, sağlık vs. gibi alanlarda kullanılsa da bu bilimin verinin
olduğu her yerde kullanılabilmesi mümkündür. Bu çalışma kapsamında bir java
programıyla internetten alınan Türk Müziği repertuarındaki 43.936 adet eserden
oluşan veri tabanının istatistiksel analizi yapılmıştır. Yapılan veri
analizi çalışmasında müziğin temellerini oluşturan ritm, Türk Müziğindeki
kullanılan ismiyle “usûl” ve buna doğrudan bağlı olduğu düşünülen güftelerdeki
arûz unsuruyla ilgili tespitler yapılmaya çalışılmış ve veri temizlemenin süreç
içerisindeki önemine değinilmiştir. Veri analizi sonucunda 20. yy’dan önce
bestelenen eserlerde arûz vezninin daha çok kullanıldığının istatistiksel
analizi ortaya koyulmuştur. 

Anahtar Kelimeler

Veri Madenciliği, Müzik Madenciliği, Türk Müziği, Usûl, Arûz

Kaynakça

• Abidin, D., Öztürk, Ö. ve Öztürk, T.Ö. (2017). Klasik Türk müziğinde makam tanıma için veri madenciliği kullanımı, Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 32(4), 1221-1232.
• Alpaydın, E. (2000). Zeki veri madenciliği: Ham veriden altın bilgiye ulaşma yöntemleri, Bilişim 2000 Eğitim Semineri.
• Arslan, H. (2008). Sakarya Üniversitesi web sitesi erişim kayıtlarının web madenciliği ile analizi (Yayınlanmış yüksek lisans tezi). Sakarya Üniversitesi Fen Bilimleri Enstitüsü, Sakarya.
• Artinyan, E. N. (2019). Veri analizi – Veri kalitesi ve bütünlüğü, Erişim tarihi: 25.03.2019, http://www.denetimnet.net/UserFiles/Documents/Makaleler/BT%20Denetim/Veri_Analizi_Veri_Kalitesi_ve_B%FCt%FCnl%FC%F0%FC.pdf
• Bildik, Ö. (2010). Râkım Elkutlu’nun eserlerinde usûl arûz vezni ilişkisi (Yayınlanmış yüksek lisans tezi). Afyon Kocatepe Üniversitesi Sosyal Bilimler Enstitüsü, Afyon.
• Çevikoğlu, T. (2017). Mevlevî müziği eserlerinin yazımında kullanılan eski yazım sistemleri ve çeviri sorunları, Mevlana Araştırmaları Enstitüsü Uluslararası Mevlana Sempozyumu, Konya.
• İmik, Ü. (2017). “Klasik” kavramı ekseninde Türk Müziği ve Batı Müziği kültüründeki benzerlikler/farklılıklar üzerine genel bir değerlendirme, İnönü Üniversitesi Kültür ve Sanat Dergisi, 3(1), 199-205.
• Jensen, B.S. (2006). Exploratory data mining in music (Yayınlanmış yüksek lisans tezi). Technical University of Denmark Department of Informatics and Mathematical Modelling, Kongens Lyngby.
• Kara, M. ve Kurt, A. (2007). Aruz vezninin bilgisayarla çözülmesi, Erişim tarihi: 05.01.2019, http://161.9.143.104/aruz/?Home
• Karatana, A. ve Yıldız, O. (2017). Müzik türlerinin makine öğrenmesi yöntemleri ile sınıflandırılması, Erişim tarihi: 20.07.2018, https://www.researchgate.net/publication/320281584
• Li, T., Ogihara M. ve Tzanetakis G. (2011). Music Data Mining, Boca Raton: CRC Press.
• Oğuzlar, A. (2003). Veri ön işleme, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21, 67-76.
• Sarıman, G. (2011). Veri madencilğinde kümeleme teknikleri üzerine bir çalışma: K-means ve K-medoids kümeleme algoritmalarının karşılaştırılması, SDÜ Fen Bilimleri Enstitüsü Dergisi, 15(3), 192-202.
• Silahtaroğlu, G. (2016). Veri Madenciliği: Kavram ve Algoritmaları, İstanbul: Papatya Yayıncılık.
• Sumathi, S. ve Svendam, S.N. (2006). Introduction to Data Mining and It’s Applications, Berlin: Springer.
• Tanrıkorur, C. (2003). Osmanlı Dönemi Türk Mûsıkîsi, İstanbul, Dergâh Yayınları.
• Tarıkorur, C. (2018). Müzik Kültür Dil, İstanbul, Dergâh Yayınları.
• Tura, Y. (2001). Kantemiroğlu, Mûsıkîyi Harflerle Tesbît ve İcrâ İlminin Kitabı, İstanbul, Yapı Kredi Yayınları.
• Ungay, H. (1981). Türk Mûsıkîsinde Usûller ve Kudûm, İstanbul, (b.y.).
• Yüreğir, O.H. (2003). Türkiye’deki tekstil işletmelerinde bilgi ve bilişimin yeri, TSE Standart Dergisi, 497, 39-49.