从语境到概念：用 Word2Vec 探索音乐中的语义关系
声音
2018-12-03 v1 信息检索
机器学习
音频与语音处理
机器学习
摘要
我们探索了流行的分布语义向量空间模型 word2vec 在捕捉生态性（复杂复调）音乐中有意义关系方面的潜力。更确切地说，使用 word2vec 的 skip-gram 版本对跨越八个音乐流派的大型语料库中的音乐切片进行建模。在这一新学习的向量空间中，基于余弦距离的度量能够区分功能和弦关系以及音乐中的和声关联。基于和弦对向量间余弦距离的证据表明，向量空间中存在隐式的五度圈。此外，不同调性乐曲间的比较显示，调性关系在 word2vec 空间中得到了表征。这些结果表明，新学习的嵌入向量表示确实捕捉了音乐的调性与和声特征，而并未接收关于组成切片音乐内容的显式信息。为探究所发现嵌入空间中邻近性是否指示“语义相关”的切片，我们探索了一项音乐生成任务，通过自动用新切片替换给定乐曲中的现有切片。我们提出一种基于空间邻近性和所选子空间中推断的音级分布来寻找替代切片的算法。结果表明，所用子空间的大小对是否选中属于同一调性的切片有显著影响。总之，所提出的 word2vec 模型能够学习捕捉音乐中有意义调性与和声关系的音乐向量嵌入，从而提供一个探索音乐属性及跨乐曲比较的有用工具，可作为深度学习模型的潜在输入表示，以及一种音乐生成装置。
引用
@article{arxiv.1811.12408,
title = {From Context to Concept: Exploring Semantic Relationships in Music with Word2Vec},
author = {Ching-Hua Chuan and Kat Agres and Dorien Herremans},
journal= {arXiv preprint arXiv:1811.12408},
year = {2018}
}
备注
Accepted for publication in Neural Computing and Applications, Springer. In Press