僧伽罗语YouTube音乐视频评论的语言学分析：一项数据集研究
计算与语言
2025-02-03 v1
摘要
本研究探讨了音乐信息检索（MIR）和音乐情感识别（MER）领域与僧伽罗语歌曲的关系，这是一个在音乐研究中尚未充分探索的领域。本研究的目的是利用社交媒体评论作为主要数据源，分析YouTube僧伽罗语歌曲视频上僧伽罗语评论的行为。这些评论来自27个YouTube视频，包含20首不同的僧伽罗语歌曲，经过精心筛选以保持严格的语言可靠性和确保相关性。此过程共收集了93,116条评论，随后通过先进的过滤方法和音译机制对数据集进行进一步精炼，得到63,471条僧伽罗语评论。此外，通过算法推导出964个特定于僧伽罗语的停用词，其中182个在翻译后与NLTK语料库中的英语停用词完全匹配。同时，还将僧伽罗语通用领域语料库与YouTube评论语料库进行了比较，证实后者是通用领域的良好代表。精心整理的数据集以及推导出的停用词为未来MIR和MER领域的研究提供了重要资源，因为它们可用于并证明计算技术解决跨不同文化传统的复杂音乐体验的可能性。
引用
@article{arxiv.2501.18633,
title = {Linguistic Analysis of Sinhala YouTube Comments on Sinhala Music Videos: A Dataset Study},
author = {W. M. Yomal De Mel and Nisansa de Silva},
journal= {arXiv preprint arXiv:2501.18633},
year = {2025}
}