符号音乐生成与信息检索的自然语言处理方法综述

自然语言处理（NLP）中基于Transformer的模型自突破性进展以来，已在多个领域进行了各种适配。这种趋势也延伸到了音乐信息检索（MIR）领域，包括处理音乐数据的研究。然而，在MIR中利用NLP工具处理符号音乐数据并非新实践。音乐经常被类比为语言，二者共享多个相似之处，包括文本和音乐的序列表示。这种类比也体现在MIR和NLP中的类似任务之间。本综述沿着两个轴向审阅应用于符号音乐生成和信息检索的NLP方法。我们首先提出了概述源自自然语言序列表示的符号音乐表示方法。这些表示方法是考虑到符号音乐的特定之处而设计的。随后，这些表示方法被用于处理模型。这些模型可能最初是为文本开发的，然后适用于符号音乐，在各种任务上进行训练。我们通过不同的视角描述这些模型，特别是深度学习模型，突出了音乐专用机制。最后，我们提出了一个关于如何有效地将NLP工具用于符号音乐数据的讨论。包括关于NLP方法的技术问题以及文本与音乐之间的根本差异，这可能为进一步研究开辟了许多可能性，以更有效地适应NLP工具用于符号MIR。