面向音乐流派的机器学习：基于 Audioset 的多面向综述与实验
声音
2019-12-02 v1 信息检索
机器学习
音频与语音处理
摘要
音乐流派分类是音乐信息检索（MIR）的子学科之一，因现有开放性挑战而在研究者中日益受到关注。尽管已发表成果数量众多、研究颇为丰硕，该主题仍受其基础性问题困扰：对于“流派”是什么，尚无清晰且形式化的定义。音乐分类模糊不清，受人类主观性与缺乏共识所累。本文第一部分给出一项综述，试图涵盖该问题的诸多不同方面。其主要目标是让读者概览历史与当前最先进水平，探讨迄今所用的技术与数据集，并识别当前挑战，例如流派定义的模糊性以及以人为中心方法的引入。本文特别关注应用于音乐标注问题的机器学习新趋势。最后，我们还包含了一项音乐流派分类实验，使用 Audioset 比较不同的机器学习模型。
引用
@article{arxiv.1911.12618,
title = {Machine learning for music genre: multifaceted review and experimentation with audioset},
author = {Jaime Ramírez and M. Julia Flores},
journal= {arXiv preprint arXiv:1911.12618},
year = {2019}
}