音乐韵律驱动的情感分类：通过机器学习解读歌唱者对情感的演绎
声音
2021-06-15 v2 机器学习
音频与语音处理
摘要
在音乐信息检索（MIR）领域，音乐曲目中的情感分类任务已受到广泛关注。音乐情感识别传统上依赖于声学特征、语言特征以及基于元数据的过滤。尽管多项研究表明韵律与情感之间存在紧密联系，音乐韵律的作用仍未被充分探索。在本研究中，我们将传统机器学习算法的输入限制为音乐韵律特征。此外，我们提出的方法在前人基础上，利用日内瓦情绪轮（Geneva Wheel of Emotion）在扩展的情感分类体系下对情感进行分类。我们采用从歌唱者个体收集数据的方法，并由艺术家本人进行个人真值标注。我们发现，当传统机器学习算法仅限于音乐韵律特征时：（1）对单一歌手可达到高准确率；（2）当数据集扩展到多位歌手时仍保持高准确率；（3）在仅使用全部特征的一个缩减子集进行训练时也能达到高准确率。
引用
@article{arxiv.2106.02556,
title = {Musical Prosody-Driven Emotion Classification: Interpreting Vocalists Portrayal of Emotions Through Machine Learning},
author = {Nicholas Farris and Brian Model and Richard Savery and Gil Weinberg},
journal= {arXiv preprint arXiv:2106.02556},
year = {2021}
}