DopeLearning：一种说唱歌词生成的计算方法
机器学习
2016-06-13 v2 人工智能
计算与语言
神经与进化计算
摘要
创作说唱歌词既需要构建有意义、有趣故事的创造力，也需要产出复杂押韵模式的歌词技巧，而后者构成了良好 flow 的基石。我们提出一种兼顾这两方面的说唱歌词生成方法。首先，我们开发了一个预测模型，从一组候选下一行歌词中识别现有歌词的下一行。该模型基于两种机器学习技术：RankSVM 算法和一种具有新颖结构的深度神经网络模型。结果表明，该预测模型能在 299 条随机选择的歌词中以 17% 的准确率识别真实下一行，即比随机概率高 50 倍以上。其次，我们利用该预测模型组合现有歌曲的歌词行，生成有意义且押韵的歌词。对生成歌词的评估显示，在定量押韵密度方面，该方法比最佳人类说唱歌手高出 21%。该说唱歌词生成器已部署为名为 DeepBeat 的在线工具，并通过分析其使用日志评估了工具性能。该分析表明，机器学习得到的排序与用户偏好相关。
引用
@article{arxiv.1505.04771,
title = {DopeLearning: A Computational Approach to Rap Lyrics Generation},
author = {Eric Malmi and Pyry Takala and Hannu Toivonen and Tapani Raiko and Aristides Gionis},
journal= {arXiv preprint arXiv:1505.04771},
year = {2016}
}
备注
This is a pre-print of an article appearing at KDD'16