May, 2022

歌词和声学对情绪协作理解的贡献

PDF
TL;DR本研究通过使用 Spotify 音乐流媒体平台用户播放列表推导出的情绪和近一百万首歌曲的数据集，利用基于 transformers 的最先进的自然语言处理模型，研究了歌词和情绪之间的关联。研究表明，预训练的 transformer-based 语言模型在零 - shot 场景下能够强大地捕捉到歌曲情绪的关联。 此外，通过比较使用歌词和使用声学特征的模型的预测，我们观察到，相对于声学，歌词对情绪的预测具有不同的重要性，从而验证了模型是否捕捉了人类对歌词和声学的情绪相关性的相同信息。
发现论文，激发创造
  • 音乐中歌词和音频的联合情感分析

    音乐中情感或心情可以在不同层面上表达自己。我们评估了基于歌词和音频的情感分析模型，并提出了结合音频和歌词结果的不同方法。我们还研究了音频和歌词情感之间的错误分类和矛盾，并确定了可能的原因。最后，我们解决了这个研究领域的一些基本问题，如主观性高，数据缺乏以及情感分类的不一致性。

    May, 2024

  • 基于 Transformer 的歌词情感识别方法

    本研究使用了基于 Transformer 的 XLNet 模型，首次探索结合歌词进行音乐情感识别。实验表明该方法的性能优于现有基于其他特征的方法。本研究为情感音乐播放列表生成和音乐推荐系统的改进等提供了重要的启示。

    Jan, 2021

  • 基于深度神经网络的音频和歌词的音乐情感检测

    本研究考虑了基于音频信号和歌词的多模态音乐情绪预测任务，复现传统特征工程方法的基础上提出了一种基于深度学习的新模型，证明了新方法相较于传统模型更擅长于唤起用户的注意，而在情感预测上两种方法表现相当。此外，我们还比较了不同的融合方法，在同时优化各单模态模型时取得了较大的提升，并向公众发布部分数据以供参考。

    Sep, 2018

  • 音乐多模态：从高级音频特征和歌词预测音乐情感

    本文旨在研究多模态方法是否能在高级歌曲特征和歌词上比单一模态更好地预测歌曲情感得分，结果显示多模态特征在预测愉悦度时比纯音频好，其中 5 种高级歌曲特征对模型性能的贡献最大。

    Feb, 2023

  • 泰卢固语歌曲歌词情绪的情感价值标注

    通过使用分类技术和 XLMRoBERTa 模型，为印度语歌曲的歌词建立了一个手动注释的数据集，并进行了音乐情感识别模型的测试。

    Mar, 2023

  • 歌词相似性感知的计算分析

    比较分析了计算模型和人类感知中的歌词相似性，发现基于预训练 BERT 模型嵌入、歌曲音频和音素特征的计算模型能够准确表示感知中的歌词相似性，这一发现为相似性推荐系统的发展提供了伪标签和客观评估指标。

    Apr, 2024

  • 基于歌词的孟加拉歌曲情绪分类

    本研究使用自然语言处理和 Bert 算法对 4000 首孟加拉歌曲的歌词进行分析，将其分为快乐、悲伤、浪漫和放松四种情绪，从而实现了歌曲情绪的多类分类，使音乐与人们的情感更加契合。

    Jul, 2023

  • 从歌词中生成神经元旋律

    本文提出了一种基于序列到序列框架，利用神经编码器和分层解码器，结合自然语言和旋律创作音乐曲调及准确标定的模型，并在 18,451 首流行歌曲中的歌词 - 旋律匹配对上进行了实验，论文通过人工评估证明了模型生成的旋律比基线模型更优秀。

    Sep, 2018

  • 不仅仅是歌词”：通过歌词联系音乐偏好和道德价值观

    通过歌词分析、心理测量分数以及机器学习，研究了个体音乐偏好与道德价值观之间的关联，发现音乐歌词可以很好地预测人们的道德观念，而传统和分层的价值观更容易通过歌词体现。

    Sep, 2022

  • 结合学习的歌词结构和词汇以提高歌词生成

    本文提出一种机制，将两个分别训练的语言模型结合起来，旨在生成符合期望歌曲结构的输出，同时提供丰富的词汇量，从而提高其创造力。

    Nov, 2018