利用同步歌词与声乐特征进行音乐情感检测

音乐推荐的关键点之一是根据情感与情绪制作引人入胜的播放列表。先前的工作主要基于音频进行音乐发现和播放列表生成，而我们利用自身的同步歌词数据集，以一种新颖的方式结合文本表示与音乐特征；因此我们引入了同步歌词情感数据集。不同于其他随机利用音频样本与整段文本的方法，我们的数据依据歌词与音频同步所提供的时间信息进行切分。本工作比较了基于文本与基于音频的深度学习分类模型，使用了来自自然语言处理和音乐信息检索领域的不同技术。根据音频实验，我们得出结论：仅使用人声而非全部音频数据可提升音频分类器的整体性能。在歌词实验中，我们采用了应用于文献中主流深度学习架构的先进词表示。在我们的基准测试中，结果显示基于 fastText 词嵌入的带注意力双线性 LSTM 分类器优于应用于音频的 CNN。