歌曲分類是流媒體時代中解決海量歌曲高效管理問題、實現(xiàn)精準的個性化選擇和推薦、提升聽眾的聽歌體驗的主要手段之一,常見的分類要素包括流派、情感、樂器、語種、主題等。作為人類重要的抒情方式和交流媒介,歌曲攜帶著豐富的情感信息,近年來出現(xiàn)了基于內(nèi)容（旋律和曲調(diào)）、基于歌詞、基于內(nèi)容和歌詞融合特征以及基于社交標簽等四種歌曲情感分類方法。但是,由于現(xiàn)代歌曲編曲風格各異以及中文歌詞情感表達相對含蓄,這些方法在華語歌曲情感分類過程中表現(xiàn)不佳。針對這種不足,本文綜合考慮聽者感知情感和聽者體驗情感,提出了一種基于評論和歌詞的華語歌曲情感分類方法,主要工作如下:（1）構建華語歌曲情感分類語料庫。通過爬蟲技術獲取歌詞和評論語料,針對歌詞和評論語料的不同,設計不同的語料清洗方案,設計對比實驗為兩種語料選擇不同的分詞工具,并構造不同的停用詞表。采用預訓練的BERT語言模型從評論數(shù)據(jù)中篩選出有效信息,并以統(tǒng)計和實驗方法驗證評論篩選過程的有效性。（2）提出基于評論和歌詞的華語歌曲情感分類方法。該方法在傳統(tǒng)基于歌詞的情感分類方法的基礎上,引入評論這一聽者的直觀感知情感和體驗情感表達要素,利用特征級聯(lián)早融合法和線性結合晚... 

【文章來源】：蘭州大學甘肅省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：90 頁

【學位級別】：碩士

【文章目錄】：
中文摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 本文組織結構
第二章 相關理論及技術
    2.1 音樂與情感的關系
    2.2 語言模型
        2.2.1 N元語言模型
        2.2.2 基于循環(huán)神經(jīng)網(wǎng)絡的語言模型
        2.2.3 預訓練語言模型
    2.3 文本向量化方法
    2.4 分類模型
        2.4.1 支持向量機
        2.4.2 K近鄰
        2.4.3 卷積神經(jīng)網(wǎng)絡
        2.4.4 長短期記憶網(wǎng)絡
    2.5 本章小結
第三章 語料處理與特征提取
    3.1 歌曲情感標簽的確定
    3.2 歌詞及評論語料獲取
    3.3 歌詞及評論語料預處理
        3.3.1 歌詞及評論語料清洗
        3.3.2 分詞工具選擇及分詞
        3.3.3 停用詞過濾
    3.4 使用預訓練的BERT語言模型篩選評論語料
    3.5 歌詞及評論語料標注
    3.6 歌詞及評論語料統(tǒng)計與分析
        3.6.1 歌詞語料
        3.6.2 評論語料
        3.6.3 歌詞語料和評論語料對比
    3.7 本章小結
第四章 基于歌詞和評論的華語歌曲情感分類方法
    4.1 實驗數(shù)據(jù)集
    4.2 實驗環(huán)境
    4.3 基于歌詞的華語歌曲情感分類
        4.3.1 歌詞語料向量化
        4.3.2 實驗過程
        4.3.3 實驗結果分析
    4.4 基于評論的華語歌曲情感分類
        4.4.1 評論語料向量化
        4.4.2 實驗過程
        4.4.3 實驗結果分析
    4.5 基于歌詞和評論的華語歌曲情感分類
        4.5.1 歌詞及評論語料向量化
        4.5.2 實驗過程
        4.5.3 實驗結果分析
    4.6 評論語料篩選有效性驗證
        4.6.1 語言模型篩選及隨機抽取評論語料準備
        4.6.2 實驗過程
        4.6.3 實驗結果與分析
    4.7 本章小結
第五章 總結與展望
    5.1 本文工作總結
    5.2 未來工作展望
參考文獻
在學期間的研究成果
致謝



本文編號：3016716