利用风格相关性进行评论驱动的多标签音乐风格分类
计算与语言
2018-08-24 v1
摘要
本文探索了一项新的自然语言处理任务：评论驱动的多标签音乐风格分类。该任务要求系统基于网站上的评论识别音乐的多重风格。最大挑战在于音乐风格之间复杂的关系，这导致许多多标签分类方法失效。为应对该问题，我们提出了一种新颖的深度学习方法，以自动学习并利用风格相关性。所提方法由两部分组成：基于标签图的神经网络，以及带有基于相关性的连续标签表示的软训练机制。实验结果表明，我们的方法在提出的数据集上相较基线取得大幅提升。特别地，micro F1 从 53.9 提升至 64.5，one-error 从 30.5 降至 22.6。此外，可视化分析显示我们的方法在捕捉风格相关性方面表现良好。
引用
@article{arxiv.1808.07604,
title = {Review-Driven Multi-Label Music Style Classification by Exploiting Style Correlations},
author = {Guangxiang Zhao and Jingjing Xu and Qi Zeng and Xuancheng Ren},
journal= {arXiv preprint arXiv:1808.07604},
year = {2018}
}