歌词也很重要：利用学习表示的力量进行音乐流行度预测
声音
2025-12-08 v1 人工智能
机器学习
摘要
准确预测音乐流行度是音乐行业的关键挑战，为艺术家、制作人和流媒体平台提供了便利。以往的研究主要关注音频特征、社交元数据或模型架构。本 work 关注歌词在预测流行度中的作用。我们提出了一个自动化管道，使用 LLM 提取高维歌词嵌入，捕捉语义、语法及序列信息。这些特征被集成到 HitMusicLyricNet，这是一个多模态架构，结合音频、歌词和社交元数据，用于预测流行度得分(范围 0-100)。我们的方法在包含 10 万多轨道的 SpotGenTrack 数据集上超越了现有基线，MAE 和 MSE 分别提高了 9% 和 20%。消融实验确认，性能提升来自我们基于 LLM 的歌词特征管道(LyricsAENet)，凸显了稠密歌词表示的价值。
引用
@article{arxiv.2512.05508,
title = {Lyrics Matter: Exploiting the Power of Learnt Representations for Music Popularity Prediction},
author = {Yash Choudhary and Preeti Rao and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:2512.05508},
year = {2025}
}
备注
8 pages