计算建模艺术灵感：基于语言与风格特征预测歌词审美偏好的框架
计算与语言
2024-10-07 v1
摘要
艺术灵感始终是创作过程中最难以理解的方面之一。它在产生与听众产生深刻共鸣的作品中起着关键作用，但导致灵感启发的审美刺激的复杂性和不可预测性迄今为止尚未得到系统性研究。本文提出了一种新框架，通过关键语言和风格属性对不同个体的艺术偏好进行计算建模，重点关注歌词内容。除了框架外，我们还引入了\textit{EvocativeLines}数据集，对标注后的歌词行进行分类，标记为"具有启发性"或"不具有启发性"，以便在不同偏好轮廓之间进行框架评估。我们的计算模型利用所提出的语言和诗歌特征，并在其上应用校准网络，以准确预测不同创意个体之间的艺术偏好。我们的实验表明，本框架的表现优于即插即用的LLaMA-3-70b模型，这一领先的开源语言模型，几乎高出18分。总体而言，本工作贡献了一个可解释且灵活的框架，可适用于分析任何本质上具有主观性的艺术偏好，涵盖广泛的技能水平。
引用
@article{arxiv.2410.02881,
title = {Computational Modeling of Artistic Inspiration: A Framework for Predicting Aesthetic Preferences in Lyrical Lines Using Linguistic and Stylistic Features},
author = {Gaurav Sahu and Olga Vechtomova},
journal= {arXiv preprint arXiv:2410.02881},
year = {2024}
}