Kyoto University (京都大学) / 0048 / 新制・課程博士 / 博士(工学) / 甲第14149号 / 工博第2983号 / 新制||工||1443(附属図書館) / 26455 / UT51-2008-N466 / 京都大学大学院工学研究科都市環境工学専攻 / (主査)教授 田中 仁史, 教授 竹脇 出, 准教授 西山 峰広 / 学位規則第4条第1項該当

京都大学 / 0048 / 新制・課程博士 / 博士(エネルギー科学) / 甲第19095号 / エネ博第319号 / 新制||エネ||65(附属図書館) / 32046 / 京都大学大学院エネルギー科学研究科エネルギー応用科学専攻 / (主査)教授 宅田 裕彦, 教授 平藤 哲司, 教授 馬渕 守 / 学位規則第4条第1項該当 / Doctor of Energy Science / Kyoto University / DGAM

京都大学 / 0048 / 新制・課程博士 / 博士(情報学) / 甲第19113号 / 情博第559号 / 新制||情||99(附属図書館) / 32064 / 京都大学大学院情報学研究科社会情報学専攻 / (主査)教授 多々納 裕一, 准教授 畑山 満則, 准教授 松原 繁夫 / 学位規則第4条第1項該当 / Doctor of Informatics / Kyoto University / DFAM

京都大学 / 0048 / 新制・課程博士 / 博士(薬科学) / 甲第20307号 / 薬科博第76号 / 新制||薬科||8(附属図書館) / 京都大学大学院薬学研究科薬科学専攻 / (主査)教授 二木 史朗, 教授 松﨑 勝巳, 教授 中山 和久 / 学位規則第4条第1項該当 / Doctor of Pharmaceutical Sciences / Kyoto University / DFAM

京都大学 / 0048 / 新制・課程博士 / 博士(工学) / 甲第20573号 / 工博第4353号 / 新制||工||1677(附属図書館) / 京都大学大学院工学研究科マイクロエンジニアリング専攻 / (主査)教授 小寺 秀俊, 教授 鈴木 基史, 准教授 横川 隆司, 教授 安達 泰治 / 学位規則第4条第1項該当 / Doctor of Philosophy (Engineering) / Kyoto University / DGAM

京都大学 / 0048 / 新制・課程博士 / 博士(工学) / 甲第21077号 / 工博第4441号 / 新制||工||1690(附属図書館) / 京都大学大学院工学研究科社会基盤工学専攻 / (主査)教授 河野 広隆, 教授 高橋 良和, 准教授 山本 貴士 / 学位規則第4条第1項該当 / Doctor of Philosophy (Engineering) / Kyoto University / DFAM

京都大学 / 新制・論文博士 / 博士(人間・環境学) / 乙第13576号 / 論人博第56号 / 新制||人||256(附属図書館) / 京都大学大学院人間・環境学研究科文化・地域環境学専攻 / (主査)教授 須田 千里, 教授 熊谷 隆之, 教授 長谷川 千尋, 教授 寺内 直子 / 学位規則第4条第2項該当 / Doctor of Human and Environmental Studies / Kyoto University / DGAM

為解決經濟發展過程伴隨的污染問題，常可見到政府和私部門一同投入防治工作，Pearce and Palmer (2001) 發現OECD國家隨著經濟成長，政府逐步提高公共防治支出，而且各個國家私部門的防治投入仍然佔有相當比重。Seldon and Song (1994)、Antle and Heidebrink (1995) 和Komen et al. (1997) 等實證文獻曾提出「倒U字型」EKC成立的原因可能來自環境財為奢侈財，使得經濟成長過程中公共防治投入快速增加，污染才會逐步減少。雖然Pearce and Palmer (2001) 實證OECD國家公共防治投入的所得彈性確實大於1，可是Kriström and Riera (1996) 發現許多國家對環境品質改善之願付價值的所得需求彈性值介於0到1之間，環境品質實為正常財而非奢侈財。鑒於相關實證資料的矛盾，本文從政府公共防治決策過程，了解環境品質所得需求彈性與公共防治投入所得彈性大於1的關聯，以連結環境品質所得需求彈性與EKC成立的關聯。本文證明無需奢侈財的偏好條件，而僅需環境品質偏好為正常財，以及防治技術滿足規模報酬遞增或固定，平均所得提高，消費者對環境品質的主觀願付價格高於客觀代價，模型預期政府將不斷提高防治費率，平均所得水準和防治費率同步增加，公共防治投入的所得彈性必定大於1，污染量終會減少並趨向於零。 實證研究指出並非所有種類污染物的污染水準與平均所得關係，一定呈現「倒U字型」關係，而過去理論模型單從消費者對於環境品質偏好條件，或是單從污染物防治技術是否具備規模報酬遞增，仍不能完全解釋不同污染物與所得關係的差異性。本文強調必須將經濟成長帶動所得分配變化對污染的間接效果納入，有助於釐清不同種類污染物與所得關係的差異性。首先，所得分配固定不變而平均所得提高，只要滿足環境品質偏好為正常財，以及防治技術滿足規模報酬遞增或固定，平均所得對污染的直接效果為「倒U字型」。再則平均所得固定不變時，只要消費者對環境品質的偏好為正常財(而非奢侈財)，所得分配改善，經由多數決投票決定均衡費率反而調降，污染隨之增加。考量高所得國家經濟成長帶動所得分配改善 (即顧志耐曲線存在) 的間接效果，不同污染物面對相同的所得分配變化，唯一的差異僅是防治技術的不同。防治技術之規模報酬遞增並不保證平均所得對污染的淨效果為「倒U字型」，而必須該污染物防治技術之規模報酬指數很高，直接效果大到足以抵銷間接效果，淨效果才可能為「倒U字型」。 另外，本文探討為何世界各國普遍有公私部門同時投入防治的現象，以及研究公共防治支出對私人防治投入產生排擠或排入效果的機制。模型發現無論政府和私部門的防治要素是否為互補要素 (complementary inputs) ，政府和私部門的最適防治投資都不為零。假若私部門增加設備無關乎提升公共防治設備之效能，公共防治增加，將對私人投資產生排擠效果。假若私部門增加設備可以提升公共防治設備之效能，公共防治對私部門防治投資可能產生排擠效果或排入效果，端看該國對於環境品質的重視程度。 政府環境政策制定與私部門防治投資決策的互動息息相關，環境政策的成效實有賴私部門是否願意配合投入防治設備。一旦公共支出對私人投資具排入效果，政府傾向事前宣布較高費率，期望刺激私人投入防治，待事後私人已經投入防治設備，政府則有誘因調降費率。反之，假若公共支出對私人投資具排擠效果，則政府傾向事後再調高費率。只要政府落實事前宣布政策，在符合實證支持的技術條件，污染與平均所得的關係為「倒U字型」的環境顧志耐曲線 (Environmental Kuznets Curve, 以下簡稱EKC) ，若缺乏機制督促政府落實事前宣布政策，且消費者理性預期政府背離意向，當動態一致性 (dynamically consistent) 費率低於事前宣布政策的費率，則執行動態一致性費率所對應的EKC將高於政府確實執行事前政策之EKC；若動態一致性費率高於事前宣布的費率，環境政策的動態不一致反而使得EKC降低。

在音樂中，組曲是一種特別的創作形式。組曲將多首音樂段落組合排列，並且在音樂段落之間加入間奏，形成一首音樂組曲。組曲的編曲重點在於音樂段落的編排順序及段落之間的連結。平時在宴會、舞會、餐廳、賣場等場合中，往往都會連續播放多首流行音樂。利用電腦編曲自動產生流行音樂組曲，將可提升播放音樂的銜接與流暢感。 因此，本研究利用資料探勘技術及音樂編曲理論，將多首音樂重新改編成一首組曲。系統首先將每首音樂分段並找出每首音樂的代表段落。接著，系統根據代表段落間的相似度編排順序。最後，為了達到組曲中音樂段落連接的流暢性，我們以模型訓練的方式在段落連結間加入間奏。系統從訓練資料學習產生旋律發展、和弦進程與節奏的模型，接著分析代表段落的動機、旋律、和弦及節奏，使得組曲編曲後的段落連結更為流暢且完整。本研究以流行音樂鋼琴伴奏曲為測試資料，我們分別邀請三十四位受過音樂訓練與未受音樂訓練的測試者，針對本研究所提出的鋼琴伴奏節奏辨識、代表段落萃取、段落順序編排及間奏產生，評估其效果。實驗結果顯示，本研究所提出的順序編排與間奏產生技術，對於組曲的流暢感，有著相當大的幫助。 / In music, a medley is an organized piece composed from segments of existing pieces. Ordering and bridge for connection between segments are the important elements for medley arrangement. Automatic medley arrangement is helpful for playing a set of music continuously which is common in banquet, party, restaurant, shopping mall, etc.. This thesis aims to develop the automatic medley arrangement method by using data mining techniques and music arrangement theory. The proposed method first segments each music and discovers the significant segment from each music. Then, the linear arrangement based on the similarities between significant segments is generated. Finally, in order to connect segments smoothly in the medley, the bridge between two segments is generated and inserted by using model training. Three models, melody progression, chord progression and rhythm models are learned from training data. For the experiments, testing data is collected from popular piano music and thirty-four people are invited to evaluate the effectiveness of the rhythm recognition of accompaniment, the extraction of significant segment, the linear arrangement of segments, and the creation of bridge. Experimental results show that the proposed medley arrangement method performs well.

本篇論文旨在研究中文流行音樂歌詞與歌曲之間情意的關聯性，並設計一個能推薦出符合歌曲情意的「以曲找詞歌詞推薦系統」。 流行音樂（Popular Music）在廣義上的定義為透過大眾媒體傳播、以大眾為閱聽對象的歌曲。其大眾化的特徵，使得流行音樂歌詞的主題多與日常生活息息相關且能清楚表達歌曲的情意，並以其所引起的共鳴性決定歌曲是否具出版的商業價值，人們也常常使用流行音樂歌曲來唱出屬於自己的故事、屬於自己的心聲。因此，本篇論文提出自動為流行音樂歌曲推薦符合歌曲情意的歌詞，讓舊有的歌曲搭配上新的歌詞，而當一首歌曲搭配了不同的歌詞就有了不同的故事，也帶給了原曲新的生命，達成一曲多詞的數位加值效果。 由文獻及專業音樂創作者的論述中，我們可以了解流行音樂詞曲有相關的搭配關係，其中又以詞曲情意的搭配關係最為重要，因此詞曲情意之間的關聯性為本研究問題的核心所在。透過大量分析市面上的流行歌曲，我們便可以從中看出詞曲之間情意搭配的線索。我們利用 LSA（Latent Semantic Analysis）演算法萃取出歌詞的情意特徵值，並比較其與語言學領域中隱喻融合理論的相似性，而在歌曲方面萃取出音高、調性、速度、節奏、和弦及音色等與等能展現歌曲情意的相關特徵值。然後利用了 CFA（Cross-Modal Factor Analysis）演算法來建立詞曲之間情意特徵值的關聯模型，最後我們便可以利用關聯模型來建立推薦系統，如此便完成了詞曲情意關聯為基礎的以曲找詞歌詞推薦系統。 實驗結果顯示，考慮詞曲情意特徵關聯所訓練出的關聯模型（CFA Feature Model）在以曲找詞推薦符合情意歌詞的前五名準確率平均達 60.1 %，前五十名也有 41.4 % 的準確率，比起僅考慮歌曲情意特徵（Audio Feature Model）以曲找詞推薦符合情意歌詞的前五名準確率 45.1% 及前五十名準確率28.6 % 準確率高，代表本研究所提出的詞曲情意關聯模型確實能有效推薦出符合歌曲情意的歌詞。我們也對本研究提出的詞曲情意關聯模型進行歌詞推薦結果的案例分析，我們輸入幾首學生創作的歌曲觀察詞曲情意關聯模型歌詞推薦結果，我們發現推薦出的流行音樂歌詞與學生創作的原詞在歌詞情意上非常類似，再次顯示本研究所提出的詞曲情意關聯模型確實能有效推薦出符合歌曲情意的歌詞，在詞曲創作上將能為創作者帶來靈感支援，幫助創作者詞曲創作。 / Nowadays lots of people use popular music to sing out their own story, and their own aspirations. In this thesis, we propose an approach to analyze the conception association between lyrics and music of Chinese popular music. And for applications, we design a lyrics recommendation system which can automatically recommend lyrics which is suitable to accompany with query music according to the affection and conception between lyrics and music. So, the old song with new lyrics, just like the song with different stories, brings the original song with new life. There are accompany association between lyrics and music, and the affection and conception association is most important among all. Therefore, analyze the conception association between lyrics and music is our goal. To do this, we can find out the association clues between lyrics and music from analyzing lots of popular music. For lyrics, we use LSA (Latent Semantic Analysis) algorithm to extract lyrics conception features. For music, we extracted the pitch, tonality, speed, rhythm, chords features which can show the music’s conception in the music. Then we use the CFA (Cross-Modal Factor Analysis) algorithm to analyze and learn the conception association between lyrics and music and establish the conception association model . Finally, we will be able to take advantage of the conception association model to establish the lyrics recommendation system. In the experimental results, when recommend the same conception lyrics to the query music, our proposed approach (CFA Feature Model) reaches accuracy of 60.1% on average in the top 5 recommended lyrics. Compared to control group approach (Audio Feature Model) only reaches accuracy of 45.1% on average in the top 5 recommended lyrics, our approach get better accuracy. We also presented some interesting lyrics recommendation results in case study. We upload some popular music created by students, and we found out that the affection and conception of the recommended lyrics are similar to the original song lyric which is created by the students. The experimental results show that the lyrics and music conception association model we proposed in this study does recommended lyrics suitable to the query music conception.