基于循环神经网络的音乐情感预测
声音
2024-05-14 v1 机器学习
音频与语音处理
摘要
本研究探索了循环神经网络在识别音乐所传达情感中的应用，旨在通过定制音乐以契合听众的情绪状态，从而增强音乐推荐系统并支持治疗性干预。我们利用Russell情感象限将音乐划分为四个不同的情感区域，并开发了能够准确预测这些类别的模型。我们的方法包括使用Librosa提取一组全面的音频特征，并应用各种循环神经网络架构，包括标准RNN、双向RNN和长短期记忆（LSTM）网络。初步实验使用了一个包含900个音频片段的数据集，这些片段根据情感象限进行了标注。我们将神经网络模型的性能与一组基线分类器进行了比较，并分析了它们在捕捉音乐表达中固有的时间动态方面的有效性。结果表明，较简单的RNN架构可能表现与更复杂的模型相当，甚至更优，尤其是在较小的数据集上。我们还在更大的数据集上进行了以下实验：一个基于我们的原始数据集进行了增强，另一个来自其他来源。这项研究不仅增进了我们对音乐情感影响的理解，还展示了神经网络在创建更个性化、更具情感共鸣的音乐推荐和治疗系统方面的潜力。
引用
@article{arxiv.2405.06747,
title = {Music Emotion Prediction Using Recurrent Neural Networks},
author = {Xinyu Chang and Xiangyu Zhang and Haoruo Zhang and Yulu Ran},
journal= {arXiv preprint arXiv:2405.06747},
year = {2024}
}
备注
15 pages, 13 figures