基于收听数据的情绪分类
声音
2020-10-24 v1 信息检索
音频与语音处理
摘要
歌曲的情绪是大型音乐库中探索与推荐的高度相关特征。这类曲库往往需要自动方法来预测此类情绪。本工作中，我们表明在情绪分类中，基于收听的特征优于基于内容的特征：通过收听数据矩阵分解获得的嵌入比基于音频内容的嵌入更能反映曲目情绪。为证明这一点，我们编译了Million Song Dataset的一个子集，共67k首曲目，带有从AllMusic收集的188种不同情绪的专业标注。我们在这一新颖数据集上的结果不仅揭示了当前音频模型的局限，也旨在促进关于这一热点课题的进一步可复现研究。
引用
@article{arxiv.2010.11512,
title = {Mood Classification Using Listening Data},
author = {Filip Korzeniowski and Oriol Nieto and Matthew McCallum and Minz Won and Sergio Oramas and Erik Schmidt},
journal= {arXiv preprint arXiv:2010.11512},
year = {2020}
}
备注
Appears in Proc. of the International Society for Music Information Retrieval Conference 2020 (ISMIR 2020)