用状态空间模型建模歌词中的情绪动态
计算与语言
2022-10-19 v1
摘要
以往大多数音乐情绪识别工作都为整首歌曲假设单个或少数歌曲级标签。尽管已知不同情绪在歌曲内的强度会变化，但此种设定下的标注数据稀缺且难以获取。在本文中，我们提出一种无需歌曲级监督即可预测歌词中情绪动态的方法。我们将每首歌曲视为时间序列，并采用状态空间模型(SSM)，将句子级情绪预测器与期望最大化(EM)过程相结合以生成完整的情绪动态。我们的实验表明，应用我们的方法在无需任何标注歌曲的情况下持续提升了句子级基线的性能，使其非常适用于训练数据有限的场景。通过案例研究的进一步分析展示了我们方法的优势，同时也指出了局限性和未来方向。
引用
@article{arxiv.2210.09434,
title = {Modelling Emotion Dynamics in Song Lyrics with State Space Models},
author = {Yingjin Song and Daniel Beck},
journal= {arXiv preprint arXiv:2210.09434},
year = {2022}
}
备注
To appear in Transactions of the Association for Computational Linguistics (TACL); 17 pages, 4 figures