基于歌词的音乐流派分类：利用分层注意力网络

音乐流派分类，尤其是仅使用歌词，仍然是音乐信息检索中一个具有挑战性的课题。在本研究中，我们应用循环神经网络模型对大型完整歌词数据集进行分类。由于歌词呈现出层次化的结构——词语组合成行，行组成段落，段落形成完整的歌曲——我们调整了一个分层注意力网络(HAN)以利用这些层次，并额外学习词语、行和段落的重要性。我们在117个流派的数据集和精简的20个流派数据集上测试了该模型。实验结果表明，HAN优于非神经模型以及更简单的神经模型，同时还比先前的研究分类了更多的流派。通过学习过程，我们还可以可视化模型中认为对分类流派重要的歌曲中的哪些词语或行。因此，HAN从计算角度提供了对区分音乐流派的歌词结构和语言特征的见解。