超越音乐类型：使用概念激活向量诊断音乐嵌入中的偏见
声音
2025-09-30 v1 音频与语音处理
摘要
音乐表示模型广泛用于标记、检索和音乐理解等任务。然而，其潜在的编码文化偏见的潜力尚未充分探讨。本文应用概念激活向量（CAVs）来调查非音乐歌手属性（如性别和语言）是否以意外方式影响音乐类型表示。我们分析了四个最先进的模型（MERT、Whisper、MuQ、MuQ-MuLan），使用 STraDa 数据集，并仔细平衡训练集以控制类型混淆。我们的结果揭示了模型特有的显著偏见，与 MIR 和音乐社会学中报告的差异一致。此外，我们提出了一种后处理去偏策略，通过概念向量操作实现效果。这些发现凸显了面向偏见设计的模型需求，表明概念化可解释性方法提供了实用的工具，用于诊断和缓解 MIR 中的表征偏见。
引用
@article{arxiv.2509.24482,
title = {Beyond Genre: Diagnosing Bias in Music Embeddings Using Concept Activation Vectors},
author = {Roman B. Gebhardt and Arne Kuhle and Eylül Bektur},
journal= {arXiv preprint arXiv:2509.24482},
year = {2025}
}
备注
ISMIR 2025