半监督自学习增强的音乐情感识别

音乐情感识别（MER）旨在识别给定音乐作品传达的情感。然而，在 MER 领域，可获得的公共数据集样本大小有限。最近提出了基于段落的方法用于情感相关任务，这些方法在较短的段落上训练骨干网络，而不是整个音频剪辑，从而自然地在不需额外资源的情况下扩充训练样本。然后，对预测的段落级结果进行聚合，以获得整个歌曲的预测。最常用的方法是该段继承包含其中的剪辑的标签，但音乐情感在整个剪辑期间并非恒定。这会引入标签噪声并使训练容易过拟合。为处理噪声标签问题，本文提出了一种半监督自学习（SSSL）方法，该方法可以自学习方式区分正确标签和错误标签的样本，从而有效地利用扩充后的段落级数据。在三个公共情感数据集上的实验表明，所提出的方法能够实现更好或相当的性能。