GlobalMood：面向跨文化音乐情感识别的基准数据集
信息检索
2025-10-29 v2
摘要
人类对音乐情绪的注释对于音乐生成和推荐系统至关重要。然而，现有数据集主要聚焦西方歌曲，所采用的情绪和情感术语来源于英语，可能限制其在不同语言和文化背景下的可泛化性。我们引入「GlobalMood」，一个新的跨文化基准数据集，包含 1,180 首来自 59 个国家的歌曲，由来自 5 个文化和语言distinct地区（美国、法国、墨西哥、韩国和埃及）的 2,519 名个体进行大规模注释。我们不强制设定预定义的情绪和情感类别，而是实施一种自下而上的、以参与者为驱动的方法，自发地引导不同文化中特定的音乐情感术语。随后，我们邀请另一批人类参与者对这些文化特定的描述词进行 988,925 条评分。我们的分析确认了不同文化之间共享的价值-唤醒结构，同时也揭示了即便是字典意义上的相同情绪术语，在跨文化语境中仍可能被感知差异显著。现有的状态-of-the-art 多模态模型在我们跨文化平衡的数据集上进行微调后，尤其在非英语语境中，能获得显著提升。总体而言，我们的发现为情感描述词的普遍性与文化特定性之间的 ongoing debate 提供了指导，并表明我们的方法论可为其他多模态和跨语言研究提供贡献。
引用
@article{arxiv.2505.09539,
title = {GlobalMood: A cross-cultural benchmark for music emotion recognition},
author = {Harin Lee and Elif Çelen and Peter Harrison and Manuel Anglada-Tort and Pol van Rijn and Minsu Park and Marc Schönwiesner and Nori Jacoby},
journal= {arXiv preprint arXiv:2505.09539},
year = {2025}
}
备注
To be presented at International Society of Music Information Retrieval (ISMIR)