AnalysisGNN：基于图神经网络的统一音乐分析

近年来，音乐分析的计算方法蓬勃发展，但每种方法通常都针对特定的分析领域。在这项工作中，我们引入了 AnalysisGNN，一个新颖的图神经网络框架，该框架利用数据混洗策略、自定义加权多任务损失以及任务特定分类器之间的 logit 融合，来整合异构标注的符号化数据集，以进行全面的乐谱分析。我们进一步集成了一个非和弦音预测模块，该模块能从所有任务中识别并排除经过音和非功能性音符，从而提高标签信号的一致性。实验评估表明，AnalysisGNN 的性能可与传统的静态数据集方法相媲美，同时在面对多个异构语料库的领域偏移和标注不一致时，表现出更强的鲁棒性。