DiVa：一种从用户评论中挖掘更多样且有效音乐标签的迭代框架

为实现充分的音乐检索，为每首歌曲形成一套完整的标签至关重要。然而，现有方案无法解决该问题，因为它们无法生成足够多样的映射以弥补金标签遗漏的信息。基于缺失信息可能已呈现在用户评论中的观察，我们提出在一个关键但未被充分探索的设置下研究自动化音乐标注：给定有限的金标签，模型需从用户评论中挖掘更多样且有效的标签。为此，我们设计了一个迭代框架（DiVa）以从用户评论中为音乐挖掘更多样（Diverse）且有效（Valid）的标签。该框架通过由预训练分类器推断的伪标签和一种新颖的联合评分函数，使分类器能够为歌曲形成完整的标签集。在密集标注测试集上的实验表明，Diva 在生成金标签遗漏的更多样标签方面优于 SOTA 方案。我们希望我们的工作能启发未来关于自动化音乐标注的研究。