利用元数据、歌词与音频特征在数字音乐库中进行大规模翻唱歌曲检测
信息检索
2018-08-31 v1 多媒体
摘要
翻唱歌曲检测是音乐信息检索（MIR）研究中一项非常相关的任务，且主要借助基于音频的系统来解决。尽管其在工业场景具有潜在影响，但低性能与缺乏可扩展性阻碍了此类系统在实际大规模应用中的采用。在本工作中，我们研究在大型数字音乐库中，文本音乐信息（如元数据与歌词）是否可与音频一同用于大规模翻唱识别问题。我们使用标准文本与最先进的音频相似度度量对该问题进行基准测试。我们的研究表明，这些方法在 Million Song Dataset（MSD）与 Second Hand Song（SHS）数据集上能显著提升翻唱检测系统的准确率与可扩展性。仅利用基于标准 tf-idf 的歌曲标题与歌词文本相似度度量，我们在 MSD 上相较当前可扩展的基于音频内容的最先进方法取得了平均精度均值 35.5% 的绝对提升。这些实验结果提示，可鼓励研究者在数字音乐库元数据场景下利用并识别更精细的基于 NLP 的技术，以改进当前翻唱歌曲识别系统。
引用
@article{arxiv.1808.10351,
title = {Large-Scale Cover Song Detection in Digital Music Libraries Using Metadata, Lyrics and Audio Features},
author = {Albin Andrew Correya and Romain Hennequin and Mickaël Arcos},
journal= {arXiv preprint arXiv:1808.10351},
year = {2018}
}
备注
Music Information Retrieval, Cover Song Identification, Million Song Dataset, Natural Language Processing