音乐版本识别中的算法偏差评估
声音
2021-10-01 v1 信息检索
音频与语音处理
摘要
版本识别（VI）系统现已提供准确且可扩展的方案来检测音乐作品的不同演绎版本，使得这些系统可用于工业应用及更广泛的音乐生态中。此类使用会对各相关方在认可度与经济利益（包括数字版权管理中版税如何流转）方面产生重要影响。本工作中，我们迈向承认这一影响的一步，将VI系统视为社会技术系统而非孤立技术。我们提出一个框架，用于量化5个系统与6个相关侧面属性（性别、流行度、国家、语言、年份和普遍程度）之间的性能差异。我们还考虑了该特定信息检索用例的3类主要相关方：查询曲目的表演艺术家、参考（原作）曲目的表演艺术家以及作曲家。通过使用此类属性与相关方对我们的数据集中的录音进行分类，我们分析所考察的VI系统是否表现出任何隐含偏差。我们发现，在多数分析组别中识别性能存在差异性迹象。此外，我们还发现基于学习与基于规则的系统在某些属性上表现不同，这表明在评估VI系统时除准确率与可扩展性外还需考虑另一维度。最后，我们共享了带属性标注的数据集，以鼓励VI研究者在构建新系统时将这些方面纳入考量。
引用
@article{arxiv.2109.15188,
title = {Assessing Algorithmic Biases for Musical Version Identification},
author = {Furkan Yesiler and Marius Miron and Joan Serrà and Emilia Gómez},
journal= {arXiv preprint arXiv:2109.15188},
year = {2021}
}