Jul, 2017

使用分层注意力网络实现基于歌词的音乐流派分类

PDF
TL;DR本文使用循环神经网络模型对大规模的歌曲歌词数据集进行音乐流派分类，并在此基础上利用分层注意力网络（HAN）实现在不同层级的特征学习以分类音乐流派，该方法不仅在准确率上超过了先前的研究成果，而且还提供了洞察在语言特征和词汇结构方面不同的音乐流派之间的区别。
music genre classificationlyricsrecurrent neural network modelshierarchical attention networklyrical structure
发现论文，激发创造
  • 基于分层注意力机制的中文歌词生成模型

    本论文旨在全面研究上下文感知的中文歌词生成。提出了基于分层注意力的 Seq2Seq 模型，该模型编码了单词级和句子级上下文信息，促进了生成的主题相关性和一致性，利用大型中文歌词语料库进行模型训练，结果表明，我们的模型能够通过一致性约束生成完整的中文歌词。

    Jun, 2019

  • 层次化的注意力混合神经网络用于文档分类

    本文提出了一种基于卷积神经网络、门控递归单元和注意机制的组合方法，用于文档分类任务，并通过层次结构表示提取了更有意义、更可泛化和抽象的特征，改善了当前基于注意力机制的文档分类方法的结果。

    Jan, 2019

  • 使用 ResNet 和 Bi-GRU 进行基于视觉频谱图的音乐类型分类

    本研究提出了一种新的方法，利用视觉谱图作为输入，并结合 ResNet 和 GRU 的混合模型，以提供对音乐数据更全面的分析，从而可能通过实现更全面的音乐数据分析和更准确的流派分类来改善音乐推荐系统。

    Jul, 2023

  • 基于深度关注对齐网络的从不完整歌词产生旋律

    提出了一种深度注意力对齐网络，旨在以类似于人类音乐创作的方式，通过给定的不完整歌词来自动预测歌词和旋律。文章中探索了深度神经网络从歌词到旋律的编码和解码方式，并利用注意力机制在歌词到旋律生成过程中对齐预测的歌词和旋律。定量及定性评价表明，所提出的方法确实能够为给定不完整的种子歌词创作出适当的歌词和相应的旋律。

    Jan, 2023

  • 只是文字，我全靠它们

    该论文表明了利用分布式表示范式进行音乐挖掘和自然语言处理任务时歌词的优势，并通过使用分布式表示克服了手工特征和歌词被认为是流派和流行度的弱指标两个瓶颈。

    Jan, 2019

  • 针对流派的声学模型用于多声部音乐自动歌词转录

    本文提出了一种新颖的基于音乐类型的网络，仅需要轻量级的音乐类型特定参数进行训练，具有较好的歌词转录性能。

    Apr, 2022

  • Seq-HyGAN: 基于超图注意力网络的序列分类

    提出了一种名为 Seq-HyGAN 的超图注意力网络模型用于解决序列分类的挑战，并使用两级注意机制生成序列表示为超边，同时学习每个序列的关键子序列。实验结果表明，Seq-HyGAN 模型可以有效地分类序列数据并显着优于基线。

    Mar, 2023

  • 用于符号旋律生成的分层循环神经网络

    本文介绍了一种分层递归神经网络用于创作旋律的方法，该方法通过多个 LSTM 子网络从粗到细逐层生成小节结构、节奏结构和音符，通过两个人类行为实验证明了这种结构相对于单层 LSTM 和现有的 MIdiNet 和 MusicVAE 模型更适合创作旋律。

    Dec, 2017

  • 基于分层注意力机制的 RNN 相册概括与故事叙述

    本文提出了一种端到端的视觉叙事问题的解决方案，首先使用基于层次注意的循环神经网络对相册照片进行编码，然后选择代表性的照片，并为其撰写自然语言的相册故事。经自动化和人工评估表明，该模型在选择、生成和检索方面的性能均优于基线模型。

    Aug, 2017

  • 分层循环注意力网络用于生成回复

    研究聊天机器人中的多轮对话应答生成，提出一种基于分层循环注意力网络的方法，该方法使用单词级别和语句级别的注意机制来捕捉对话上下文中重要部分，能够明显优于现有的多轮应答生成模型。

    Jan, 2017