音乐产品中的积极与风险信息评估
计算与语言
2024-04-09 v2 人工智能
摘要
在这项工作中，我们引入了一项开创性研究挑战：评估音乐产品中的积极与潜在有害信息。我们首先建立了一个多面、多任务的音乐内容评估基准。随后，我们引入了一种高效的多任务预测模型，并辅以顺序性强制机制以应对该挑战。我们的发现表明，所提方法不仅显著优于稳健的特定任务替代方案，还具备同时评估多个方面能力。此外，通过详细的案例研究，我们采用大语言模型（LLMs）作为内容评估的替代者，为指导和启发未来该主题的研究提供了宝贵见解。用于数据集创建和模型实现的代码已公开于 https://github.com/RiTUAL-UH/music-message-assessment。
引用
@article{arxiv.2309.10182,
title = {Positive and Risky Message Assessment for Music Products},
author = {Yigeng Zhang and Mahsa Shafaei and Fabio A. González and Thamar Solorio},
journal= {arXiv preprint arXiv:2309.10182},
year = {2024}
}
备注
Accepted at LREC-COLING 2024 (long paper)