在音乐的历史长河中，无数的音乐作品被音乐家和音乐爱好者创作、记录、传播和聆听，有些乐曲被出版商、音乐家和爱好者反复出版、修改使用和重复记录，特别在出版业繁荣发达和自媒体流行的新时代，一些经典的乐曲会被反复出版，如巴赫的十二平均律系列乐曲，就会被以不同的书名反复出版，例如，在某网书店上输入“十二平均律”就会有《巴赫平均律钢琴曲集》《巴赫平均律键盘曲集》《J.S.巴赫十二平均律钢琴曲集》等的书名。
随着MusicXML音乐格式被广泛使用，越来越多的音乐作品以MusicXML音乐格式呈现，音乐工作者在保存这些MusicXML音乐信息的时候，同一首音乐作品会以不同的曲目名称保存和传播，有些具有相同曲目名称的MusicXML文件是同一首乐曲，有些不是同一乐曲，有些不同曲目名称的MusicXML文件却是同一首乐曲。也会有些MusicXML文件包含的音乐信息不是完整的音乐作品，只是包含了部分的音乐信息，如包含一首交响曲的某个乐章，或者是某个乐曲的主旋律等。也有一些音乐作品的MusicXML文件包含的音乐信息有错误，如遗漏、多输或错音输入等，影响了后期复用。
在互联网环境下，信息的传播便捷快速，大量的MusicXML文件或在各个信息孤岛上存储，或以CD、移动硬盘、电子邮件、网络下载、即时通软件、网络爬虫等多种方式被反复传播、复制与修改，形成同一音乐作品多种不同的MusicXML文件版本。由于MusicXML文件具有易修改等特性，这些版本会出现不同的异质性，这些情况包括：
（1）乐音修改：在校对或使用过程中，乐音纠错或乐音误操作等引起的乐音音高、时值等改变，或增删乐音等，对原MusicXML文件引入新的误差或降低误差。
（2）乐句、乐段或乐章增删：为了新的应用场景，对原MusicXML文件进行以乐句、乐段或乐章为单位的增加或删除，增加或减少了原有的音乐信息量。
（3）声部增删：为了新的应用场景，对原MusicXML文件进行以声部为单位的增加或删除，增加或减少了原有的音乐信息量。
（4）调性改变：为了新的应用场景，对原MusicXML文件中乐曲的调性进行改变，彻底改变了原有的MusicXML音乐语义信息（虽然从人类的听觉上仍可辨析出乐曲，但从MusicXML这一表示方法上，则依然不同）。
（5）旋律引用：原MusicXML文件的部分旋律被复制，出现在另一乐曲中。
（6）其他情况：其他音乐符号的增删，如增加力度记号等。
数字音乐博物馆是大数据时代数据资源管理的重要方式，通常以数据仓库的形式来组织数据资源。数字音乐博物馆往往有数据来源复杂、数据格式众多、结构化非结构化数据共存、数据容量庞大、数据管理困难等特点，如一些著名的乐曲，可能会收集到不同出版商不同载体的数字音乐文件，当管理人员对这些文件进行特征标注，有时会在文件名各异的信息中获知文件内容的同一性。
一首乐曲的音乐文件创建后，会随着时间传播扩散，不同用户会对它进行使用和修改，再传播扩散，形成了一个树状的进化过程，构成数据世系。在此乐曲的数据世系中，不同文件版本存储于互联网的各个角落，当某使用者获得多个文件后，如何分析判断这些文件的异同，理清数据世系的时序特征？
下面讨论如下问题：假设有一个由多个MusicXML文件组成的文件集F，文件个数为|F|，判断是否存在同一乐曲的不同音乐文件？
判断过程综合使用了PHP语言和Matlab仿真环境，相互之间以文件为信息传输方式，具体步骤为：(www.xing528.com)
（1）利用getContent（$xmlFileName，‘pitch’）函数得到文件集F的所有MusicXML文件的“pitch”标签的内容，记为数组$pitchContent.
（2）利用附录【代码4-10】的函数transformStr2Arr把数组$pitchContent的每个元素（MusicXML字符串）转换为MusicXML语义元素数组。
（3）计算数组$pitchContent中任意两个MusicXML语义元素数组的最长公共子序列的长度，得到一个|F|×|F|的二维数组，记为$pitchCompareResult，并保存为文本文件pitchCompareResult.txt。
（4）利用公式（4-2）来计算相似度，即利用g作为相似度变量，得到一个|F|×|F|的二维数组，记为ratio。
（5）对于某个文件来说，如果另一个文件和它的相似度大于某个给定的阈值l（这里设定l=0.5），那么这两个文件为同一文件。
实验用的MusicXML文件来自表4-6，其中572个文件的“pitch”标签非空，这里就选取这572个文件。利用上述步骤得到了文本文件pitchCompareResult.txt。
利用如下Matlab代码得到了图4-14：
图4-14 572个MusicXML文件一一比对语义元素的最长公共子序列的长度
如图4-14所示，在三维图形的X轴和Y轴的45°线上，出现了明显的“山峰”状隆起，因为这45°线上每个值对应的是两个文件本身，其他竖线都低于“山峰”。
接着利用如下Matlab代码绘制了图4-15：
如图4-15所示，我们发现除了横坐标为0时，相似比率为1，其他的相似比率都小于0.5，按上述步骤（5）阈值l设定，其他所有的571个文件和第1个文件都不相同。
图4-15 第1个MusicXML文件与其他文件的相似度
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
