基于多模態(tài)融合的中文歌曲情感分類方法研究
發(fā)布時(shí)間:2024-03-20 04:07
音樂是日常生活中不可或缺的多媒體資源,海量音樂作品的組織和檢索問題受到了專家學(xué)者的廣泛關(guān)注。情感是音樂最重要的語義信息,基于情感進(jìn)行分類能夠有效提高音樂檢索的效率,并逐漸成為研究熱點(diǎn)。中文歌曲情感分類主要面臨三個(gè)方面的問題:1)目前沒有被廣泛認(rèn)可的中文音樂情感詞典,并且已有的中文歌詞情感分類方法大多僅考慮詞頻,忽視了詞的情感強(qiáng)度和詞性對情感分類的影響。2)音頻低層特征缺乏情感關(guān)聯(lián)性,高層特征與情感更接近,但人工設(shè)計(jì)成本較高。3)大多數(shù)相關(guān)研究僅使用音頻或歌詞進(jìn)行音樂情感分類,而結(jié)合音頻和歌詞的多模態(tài)音樂情感分類的研究較少,且缺乏公開數(shù)據(jù)集。本文針對以上問題,研究基于多模態(tài)融合的中文歌曲情感分類方法,分別展開以下工作:首先,針對現(xiàn)有中文歌詞情感分類方法未充分利用音樂相關(guān)文本的情感信息,提出一種面向中文歌詞和評論的音樂情感分類方法。首先構(gòu)建基于Word2vec的中文音樂情感詞典,詞典中包含每個(gè)詞的情感類別和情感權(quán)值。然后以該詞典為基礎(chǔ),構(gòu)造基于詞頻逆文檔頻率(Term Frequency-Inverse Document Frequency,TF-IDF)和詞性的情感向量,最終實(shí)現(xiàn)音樂情感...
【文章頁數(shù)】:63 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1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 本文研究內(nèi)容
1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)知識介紹
2.1 音樂情感模型
2.1.1 連續(xù)維度模型
2.1.2 離散類別模型
2.2 機(jī)器學(xué)習(xí)算法
2.2.1 K近鄰算法
2.2.2 支持向量機(jī)
2.2.3 高斯混合模型
2.3 深度學(xué)習(xí)方法
2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.3 長短期記憶模型
2.3.4 門限循環(huán)單元模型
2.4 本章小結(jié)
第3章 面向中文歌詞和評論的音樂情感分類
3.1 情感詞表的構(gòu)建
3.2 中文音樂情感詞典構(gòu)建
3.2.1 基于Word2vec的詞語相似度計(jì)算
3.2.2 基于《哈工大同義詞林》的基礎(chǔ)情感詞典構(gòu)建
3.2.3 基于歌詞語料庫的音樂情感詞典構(gòu)建
3.3 基于中文歌詞和評論的情感特征分析
3.3.1 向量空間模型
3.3.2 情感詞的語義加權(quán)方法
3.3.3 基于TF-IDF的情感特征表示
3.3.4 基于詞性的情感特征表示
3.4 中文歌曲情感分類
3.5 實(shí)驗(yàn)與結(jié)果分析
3.5.1 中文歌曲數(shù)據(jù)集構(gòu)建
3.5.2 評價(jià)指標(biāo)
3.5.3 預(yù)處理及實(shí)驗(yàn)設(shè)置
3.5.4 實(shí)驗(yàn)結(jié)果分析
3.6 本章小結(jié)
第4章 基于LLD-CRNN的音樂情感分類
4.1 音頻低層特征提取
4.2 卷積循環(huán)神經(jīng)網(wǎng)絡(luò)
4.3 基于LLD-CRNN的音樂情感分類模型
4.4 實(shí)驗(yàn)與結(jié)果分析
4.4.1 實(shí)驗(yàn)數(shù)據(jù)與評價(jià)標(biāo)準(zhǔn)
4.4.2 預(yù)處理及參數(shù)設(shè)置
4.4.3 實(shí)驗(yàn)結(jié)果分析
4.5 本章小結(jié)
第5章 基于多模態(tài)融合的中文歌曲情感分類
5.1 多模態(tài)融合方法
5.1.1 決策融合
5.1.2 特征融合
5.2 基于多模態(tài)融合的中文歌曲情感分類
5.2.1 中文歌曲特征表示
5.2.2 多模態(tài)融合方法
5.3 實(shí)驗(yàn)與結(jié)果分析
5.3.1 實(shí)驗(yàn)數(shù)據(jù)與評價(jià)標(biāo)準(zhǔn)
5.3.2 預(yù)處理及參數(shù)設(shè)置
5.3.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號:3932935
【文章頁數(shù)】:63 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
Abstract
第1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 本文研究內(nèi)容
1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)知識介紹
2.1 音樂情感模型
2.1.1 連續(xù)維度模型
2.1.2 離散類別模型
2.2 機(jī)器學(xué)習(xí)算法
2.2.1 K近鄰算法
2.2.2 支持向量機(jī)
2.2.3 高斯混合模型
2.3 深度學(xué)習(xí)方法
2.3.1 卷積神經(jīng)網(wǎng)絡(luò)
2.3.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
2.3.3 長短期記憶模型
2.3.4 門限循環(huán)單元模型
2.4 本章小結(jié)
第3章 面向中文歌詞和評論的音樂情感分類
3.1 情感詞表的構(gòu)建
3.2 中文音樂情感詞典構(gòu)建
3.2.1 基于Word2vec的詞語相似度計(jì)算
3.2.2 基于《哈工大同義詞林》的基礎(chǔ)情感詞典構(gòu)建
3.2.3 基于歌詞語料庫的音樂情感詞典構(gòu)建
3.3 基于中文歌詞和評論的情感特征分析
3.3.1 向量空間模型
3.3.2 情感詞的語義加權(quán)方法
3.3.3 基于TF-IDF的情感特征表示
3.3.4 基于詞性的情感特征表示
3.4 中文歌曲情感分類
3.5 實(shí)驗(yàn)與結(jié)果分析
3.5.1 中文歌曲數(shù)據(jù)集構(gòu)建
3.5.2 評價(jià)指標(biāo)
3.5.3 預(yù)處理及實(shí)驗(yàn)設(shè)置
3.5.4 實(shí)驗(yàn)結(jié)果分析
3.6 本章小結(jié)
第4章 基于LLD-CRNN的音樂情感分類
4.1 音頻低層特征提取
4.2 卷積循環(huán)神經(jīng)網(wǎng)絡(luò)
4.3 基于LLD-CRNN的音樂情感分類模型
4.4 實(shí)驗(yàn)與結(jié)果分析
4.4.1 實(shí)驗(yàn)數(shù)據(jù)與評價(jià)標(biāo)準(zhǔn)
4.4.2 預(yù)處理及參數(shù)設(shè)置
4.4.3 實(shí)驗(yàn)結(jié)果分析
4.5 本章小結(jié)
第5章 基于多模態(tài)融合的中文歌曲情感分類
5.1 多模態(tài)融合方法
5.1.1 決策融合
5.1.2 特征融合
5.2 基于多模態(tài)融合的中文歌曲情感分類
5.2.1 中文歌曲特征表示
5.2.2 多模態(tài)融合方法
5.3 實(shí)驗(yàn)與結(jié)果分析
5.3.1 實(shí)驗(yàn)數(shù)據(jù)與評價(jià)標(biāo)準(zhǔn)
5.3.2 預(yù)處理及參數(shù)設(shè)置
5.3.3 實(shí)驗(yàn)結(jié)果分析
5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號:3932935
本文鏈接:http://sikaile.net/kejilunwen/shengwushengchang/3932935.html
最近更新
教材專著