中國民歌的情感分析在很多領(lǐng)域都有研究。在音樂學領(lǐng)域,學者對民歌的情感研究主要集中在特定地域或者特定民歌歌曲的情感表現(xiàn)方式上;在計算機領(lǐng)域,主要是基于音樂音頻或者歌詞的情感分類。本文以民歌歌詞為研究對象,采用Word2vec詞向量提取文本特征,使用卷積神經(jīng)網(wǎng)絡(luò)算法實現(xiàn)民歌情感分類。具體研究內(nèi)容包括:首先建立漢語民歌歌詞語料庫,語料庫共包括1082首漢語民歌歌詞,使用數(shù)據(jù)增廣到3615首,分別標注為“熱烈歡快”、“悲傷憂愁”、“其他類別”三個類別。其次對歌詞文本進行預(yù)處理,包括去停用詞、去除歌曲名稱、作詞、作曲、演唱者、演唱時間等無用重復信息和分詞處理。在分詞過程中,本文選用三種分詞工具進行比較,根據(jù)實驗結(jié)果選用jieba分詞工具。然后對文本使用one-hot編碼向量化表示,再使用Word2vec對歌詞文本的特征進行提取。結(jié)合本語料庫的語料特點,通過與傳統(tǒng)的機器學習分類算法樸素貝葉斯、支持向量機、K-最近鄰進行對比,最終選用卷積神經(jīng)網(wǎng)絡(luò)作為民歌歌詞情感的分類器,并提出使用不同大小卷積核的CNN-1C模型進行實驗。經(jīng)實驗結(jié)果對比,得出基于詞級特征的CNN-1C模型更適用于本民歌歌詞語料庫的分... 

【文章來源】：西北民族大學甘肅省

【文章頁數(shù)】：51 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 音樂情感分析的研究現(xiàn)狀
        1.2.2 文本分類的研究現(xiàn)狀
    1.3 論文研究內(nèi)容與研究意義
        1.3.1 論文研究內(nèi)容
        1.3.2 論文研究意義
    1.4 論文內(nèi)容組織
第2章 民歌情感分析的相關(guān)背景知識
    2.1 民歌與情感的關(guān)系
    2.2 民歌歌詞與音樂情感
    2.3 民歌情感特點及分類
    2.4 本文民歌歌詞分類及依據(jù)
    2.5 本章小結(jié)
第3章 實驗文本分類技術(shù)基礎(chǔ)
    3.1 分詞技術(shù)
    3.2 文本表示之one-hot編碼
    3.3 特征提取
        3.3.1 tf-idf
        3.3.2 Word2vec
    3.4 傳統(tǒng)的文本分類算法
        3.4.1 KNN
        3.4.2 SVM
        3.4.3 NB
    3.5 卷積神經(jīng)網(wǎng)絡(luò)
    3.6 本章小結(jié)
第4章 技術(shù)方法設(shè)計及實驗
    4.1 實驗結(jié)果的評估標準
        4.1.1 分詞
        4.1.2 文本情感分類
    4.2 分詞工具對比實驗
    4.3 特征提取方法對比實驗
    4.4 文本分類方法對比實驗
        4.4.1 傳統(tǒng)機器學習方法對比實驗
        4.4.2 字符級、詞級對比實驗
    4.5 本章小結(jié)
第5章 漢語民歌歌詞的情感分類實現(xiàn)
    5.1 漢語民歌歌詞的情感分類流程
    5.2 民歌歌詞語料庫構(gòu)建及實驗數(shù)據(jù)
        5.2.1 民歌語料庫構(gòu)建
        5.2.2 民歌語料庫實驗數(shù)據(jù)
    5.3 民歌歌詞預(yù)處理
        5.3.1 去無用信息和去重
        5.3.2 分詞處理
        5.3.3 去停用詞
    5.4 民歌歌詞文本表示
    5.5 民歌歌詞特征提取
    5.6 分類器結(jié)構(gòu)設(shè)計-CNN
        5.6.1 輸入層
        5.6.2 卷積層
        5.6.3 池化層
        5.6.4 全連接層
    5.7 結(jié)果評價分析
        5.7.1 傳統(tǒng)機器學習方法對比實驗結(jié)果及分析
        5.7.2 字符級、詞級對比實驗結(jié)果及分析
    5.8 本章小結(jié)
第6章 結(jié)論與展望
    6.1 本文總結(jié)
    6.2 進一步工作
參考文獻
學位期間發(fā)表的論文
獲獎情況
致謝


【參考文獻】：
期刊論文
[1]基于word2vec和雙向LSTM的情感分類深度模型[J]. 黃賢英,劉廣峰,劉小洋,陽安志.  計算機應(yīng)用研究. 2019(12)
[2]基于CNN和BiLSTM網(wǎng)絡(luò)特征融合的文本情感分析[J]. 李洋,董紅斌.  計算機應(yīng)用. 2018(11)
[3]基于Python的簡單文本情感分析[J]. 夏玉芹,單雪微.  陰山學刊(自然科學版). 2018(04)
[4]基于民歌歌詞的情感分類研究與實現(xiàn)概述[J]. 張婷,曹暉.  西北民族大學學報(自然科學版). 2018(03)
[5]基于詞向量特征的文本分類模型研究[J]. 張敬誼,張亞紅,李靜.  信息技術(shù)與標準化. 2017(05)
[6]談中國民歌的藝術(shù)特色[J]. 滕文海.  戲劇之家. 2016(09)
[7]基于SVM主動學習技術(shù)的PU文本分類[J]. 富震.  計算技術(shù)與自動化. 2014(01)
[8]中文音樂情感詞典構(gòu)建及情感分類方法研究[J]. 蔣盛益,陽垚,廖靜欣.  計算機工程與應(yīng)用. 2014(24)
[9]一個基于相關(guān)反饋的神經(jīng)網(wǎng)絡(luò)音樂情感分類器構(gòu)建算法[J]. 王小鳳,耿國華,李鵬,劉曉寧.  西北大學學報(自然科學版). 2012(01)
[10]分析傳統(tǒng)民歌的情感特點[J]. 樊鳳愛.  文學界(理論版). 2011(01)

博士論文
[1]基于深度學習的文本表示與分類方法研究[D]. 閆琰.北京科技大學 2016

碩士論文
[1]基于CNN-3C文本分類的SRBM評分預(yù)測與推薦研究[D]. 張倩.安徽農(nóng)業(yè)大學 2018
[2]基于用戶評論信息的商品評估系統(tǒng)的研究[D]. 孟鑫.北京交通大學 2018
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的中文歌詞情感分類[D]. 蒙曉燕.內(nèi)蒙古師范大學 2018
[4]基于深度學習的文本分類技術(shù)的研究[D]. 龐丹丹.北方工業(yè)大學 2018
[5]表達與聯(lián)系：中老年移動K歌用戶的參與式文化呈現(xiàn)[D]. 黃衛(wèi)寧.安徽大學 2018
[6]基于python的中文文本分類研究[D]. 姚芳.華中科技大學 2016
[7]基于深度學習混合模型的文本分類研究[D]. 周超.蘭州大學 2016
[8]基于回歸分析的音樂情感分類系統(tǒng)[D]. 汪慧敏.南京郵電大學 2015
[9]面向文本分類的特征提取算法研究[D]. 彭君睿.北京郵電大學 2014
[10]基于內(nèi)容的個人音樂情感分析模型[D]. 曲浥塵.上海交通大學 2013



本文編號：3185284