音乐情感自动分析研究

音乐情感自动分析在音乐检索和音乐推荐等方面具有广泛的应用.对3种音乐情感模型进行了对比分析,介绍了音乐情感分类方法,并指出已有研究存在的不足.音乐分割与摘要是高效音乐浏览与推荐的基础,在对音乐分割与摘要方法进行分析的基础上,指出了定长分割策略的不足;借助音乐相似性与情感可视化实现音乐推荐,对音乐相似性度量与可视化方法进行了概述.最后,展望了对音乐情感自动分析的研究方向.     

基于模糊数学的音乐情感检索技术

如何以音乐的情感为检索关键词来准确地匹配检索算法是目前研究的热点问题之一.在此,以音乐情感的模糊性特征为基础,采用模糊数学理论和AV情感向量空间模型,提出了一种音乐情感模糊检索技术:将音乐情感进行量化处理的同时,也体现一首音乐所包含的不同种类的情感;另外,同一情感类型的音乐能够按其隶属度值的高低进行智能排名,使人们能更准确地找到所需的音乐资源.通过对比实验,计算此检索方法的查全率、查准率和F值,相关度,C值、V值覆盖率和出新率等评价指标,从而证明了该检索算法的有效性.     

基于DBN的多特征融合音乐情感分类方法

本文在音乐情感分类中的两个重要的环节：特征选择和分类器上进行了探索.在特征选择方面基于传统算法中单一特征无法全面表达音乐情感的问题,本文提出了多特征融合的方法,具体操作方式是用音色特征与韵律特征相结合作为音乐情感的符号表达;在分类器选择中,本文采用了在音频检索领域表现较好的深度置信网络进行音乐情感训练和分类.实验结果表明,该算法对音乐情感分类的表现较好,高于单一特征的分类方法和SVM分类的方法.     

音乐情感识别研究综述

音乐是表达情感的重要载体,音乐情感识别广泛应用于各个领域.当前音乐情感研究中,存在音乐情感数据集稀缺、情感量化难度大、情感识别精准度有限等诸多问题,如何借助人工智能方法对音乐的情感趋向进行有效的、高质量的识别成为当前研究的热点与难点.总结目前音乐情感识别的研究现状,从音乐情感数据集、音乐情感模型、音乐情感分类方法三方面...     

面向中文歌词的音乐情感分类方法

情感是音乐最重要的语义信息,音乐情感分类广泛应用于音乐检索,音乐推荐和音乐治疗等领域.传统的音乐情感分类大都是基于音频的,但基于现在的技术水平,很难从音频中提取出语义相关的音频特征.歌词文本中蕴含着一些情感信息,结合歌词进行音乐情感分类可以进一步提高分类性能.本文将面向中文歌词进行研究,构建一部合理的音乐情感词典是歌词情感分析的前提和基础,因此基于Word2Vec构建音乐领域的中文情感词典,并基于情感词加权和词性进行中文音乐情感分析.本文首先以VA情感模型为基础构建情感词表,采用Word2Vec中词语相似度计算的思想扩展情感词表,构建中文音乐情感词典,词典中包含每个词的情感类别和情感权值.然后,依照该词典获取情感词权值,构建基于TF-IDF （Term Frequency-Inverse Document Frequency）和词性的歌词文本的特征向量,最终实现音乐情感分类.实验结果表明所构建的音乐情感词典更适用于音乐领域,同时在构造特征向量时考虑词性的影响也可以提高准确率.     

基于音乐情感识别的舞台灯光控制方法研究

为了实现音乐情感识别的舞台灯光自动控制,需对音乐文件进行情感标记。针对人工情感标记效率低、速度慢的问题,开展了基于音乐情感识别的舞台灯光控制方法研究,提出了一种基于支持向量机和粒子群优化的音乐情感特征提取、分类和识别算法。首先以231首MIDI音乐文件为例,对平均音高、平均音强、旋律的方向等7种音乐基本特征进行提取并进行标准化处理;之后组成音乐情感特征向量输入支持向量机（SVM）多分类器,并利用改进的粒子群算法（PSO）优化分类器参数,建立标准音乐分类模型;最后设计灯光动作模型,将新的音乐文件通过离散情感模型与灯光动作相匹配,生成舞台灯光控制方法。实验结果表明了情感识别模型的有效性,与传统SVM多分类模型相比,明显提高了音乐情感的识别率,减少了测试时间,从而为舞台灯光设计人员提供合理参考。     

音乐评论的情感挖掘研究

在当今数字化与网络化时代,图像、音频和视频等多媒体内容已成为互联网信息高速公路上传送数据的重要部分,基于音乐情感的检索技术应运而生.音乐的群众情感则由大量的普通用户通过各种形式表达出来,其中论坛中带交互性的音乐评论则为典型的音乐情感表达形式.从海量Web文本信息中得到音乐的情感等属性并将结果合理地返回给依据情感搜索的用户是一个创新性的解决方案.实践结果证明,音乐论坛主题挖掘系统相对于目前的基于音乐本身的研究具有更大的合理性,对用户的搜索返回具有更强的说服力.     

基于核聚类进化算法的音乐情感模糊计算模型

音乐情感计算涉及到多维度多层次结构的复杂情感表征问题,而情感本身所具有的模糊性、细微性和多样性,使得传统的情感识别方法普遍效率低下且正确率不高.为提高识别精度,首先利用高斯径向基函数进行非线性映射,来分辨、提取并放大更多的细节信息.然后通过深入剖析中国古琴乐曲,从中抽取出影响最大的六个情感特征值,并在非线性映射的基础上,构造一种基于核聚类进化算法的音乐情感模糊计算模型.在此基础上,进一步针对算法中统一设定簇半径阈值的不足,提出基于蚁群算法的规则调整策略,并进行系统实验.实验结果表明,与基于概率统计的Beyes分类方法相比,优化后的模糊计算模型具有较好的识别效果.     

音乐粗情感域中的软切割及分类方法

针对音乐灯光表演控制系统无法自动获取其控制所需的音乐特征信息,结合传统的Arousal-Valence模型提出了一种可用于音乐灯光表演的音乐粗情感模型。针对此模型,通过小波分析中的Mallat算法提取比较项并采用强度、节奏比值判断法,对音乐片段进行两次“软切割”,再根据相应的产生式专家系统规则便能够很好地对其进行粗情感域中的分类及特征量提取。仿真结果表明,该方法能够有效地按音乐情感将音乐片段分类,同时能够提取出满足音乐灯光表演控制系统时域上对音乐分段时间节点的高精度要求。     

基于序列模型的音乐词曲匹配度智能评估算法

情感匹配模型是一种常用于评价词曲匹配程度的方法;然而,单纯地依靠情感匹配模型无法对评价词曲匹配度进行准确的评价。为改善此问题,提出了基于序列模型的词曲匹配度智能评估算法,其综合考虑词曲情感和词曲间节奏关系以给出一个更加准确的词曲评估方法。基于公开词曲同步数据集,构建了音乐情感和节奏正反例模型,并基于此模型将音乐切分成片段;进一步,将歌词和旋律片段分别通过歌词编码器和旋律编码器进行编码,并将编码后具有上下语境的歌词特征和旋律特征输入词曲匹配解码器,解析词曲间特征关系,判断词曲片段匹配程度。仿真结果表明:基于序列模型的词曲匹配度智能评估算法,相对于单纯的情感匹配模型,能够更精确地评价词曲匹配程度,验证了本文提出算法的有效性。     

基于谐波的乐纹提取和音乐检索

提出了一种基于节拍内音乐谐波特性的乐纹特征提取方法,首先求得每帧音乐的谐波信息,再利用跟踪得到的节拍,计算节拍内所有帧的谐波信息的均值,构成此节拍的乐纹特征矩阵。为了提高音乐检索的效率,设计了一个二级音乐检索算法：根据节拍信息,将与查询音乐片段的每分钟节拍数相近的音乐作为候选音乐,再逐节拍计算所查询音乐的乐纹和候选音乐乐纹的相似度,选择相似度最高的音乐作为检索结果。实验结果表明,提出的乐纹特征和音乐检索算法有效地提高了检索准确率和检索效率。     

音乐检索特征库构建方法

合理的音乐特征库构建方法对于实现准确音乐检索具有重要意义.以基于内容音乐检索框架为基础,将音乐特征库的构建分为采用基音提取方法建库、采用乐谱信息建库和采用MIDI分析方法建库3种方式,并提出一种基音提取及后处理方法和MIDI分析方法实现音乐特征库的构建.实验结果表明,这两种建库方法是正确有效的,可以准确、快速地实现音乐特征库的构建.     

Editorial—Music Information Retrieval

Increasing availability of music data via Internet evokes demand for efficient search through music files. Users' interests include melody tracking, harmonic structure analysis, timbre identification, and so on. We visualize, in an illustrative example, why content based search is needed for music data and what difficulties must be overcame to build an intelligent music information retrieval system.     

基于标签的歌曲相似性研究

基于音乐语义标签的音乐相似计算研究是音乐信息检索领域的另一个新的热点。该文提出一种基于标签挖掘的歌曲分类方法,以Last.fm音乐网站上的用户标签为特征进行歌曲相似性研究。文中将文本聚类中常用的潜在语义分析（LSA）方法和改进的K-means聚类方法相结合,应用于音乐语义标签的自动抽取;从音乐网站last.fm上抽取了6大类600首歌曲的8000多个用户标签作为音乐语义特征,并利用LSA进行歌曲向量的降维,形成了一个表示歌曲间相似关系的600×150维向量矩阵。最后利用K均值,根据音乐歌曲间的相似度进行歌曲分类,完成歌曲相似性比较。实验结果同没有LSA降维前及已有的HCC结果比较表明,使用文中提出的基于音乐标签的模型对歌曲进行分类,能得到较好的分类效果。     

基于协同过滤和标签的混合音乐推荐算法研究

结合音乐这一特定的推荐对象,针对传统单一的推荐算法不能有效解决音乐推荐中的准确度问题,提出一种协同过滤技术和标签相结合的音乐推荐算法。该算法先通过协同过滤技术确定相似用户,再通过相似用户对某一歌手的标签评分预测另一用户对该歌手的偏好程度,从而选择更符合用户喜好的音乐进行推荐,以此提升个性化推荐效率,为优化音乐推荐系统提供参考方法。     

高师院校音乐专业电脑音乐制作课程浅析

近二十多年来,电脑音乐或以电脑为平台的音乐创作、编辑、录音合成、音视频后期制作技术,已经广泛的应用到音像出版业、影视业、娱乐业、文化企事业单位以及群众活动当中。本文试从高等师范院校音乐专业开设电脑音乐制作课程的目的及重要性,到课程的教学结构作以简单分析,希望对高等师范院校音乐专业开设此课程有所帮助。     

基于矢量量化的弦乐颤音自动检测

自动音乐标注是音频信息检索的基础,并可广泛应用于辅助音乐教学、辅助音乐创作等许多音乐相关领域。然而,在弦乐器演奏的音乐中存在着大量用于修饰或表现乐曲情感、风格的颤音。在对这类乐器的自动音乐标注中,如果不进行颤音检测而直接进行标注容易出现错误。对基于矢量量化的弦乐颤音识别方法进行了研究,提出了一种用于对整段音乐进行颤音检测的方法。实验证明这种方法是精确有效的。     

多媒体技术与中学音乐课程整合的教学研究

中学音乐课是基础教育阶段的必修课。传统的音乐教学已明显跟不上现代社会发展的步伐,,满足不了当代中学生对日益发展的信息技术的需求。因此音乐教育改革势在必行。由此,与多媒体技术相结合的新型音乐教学正好符合了这一需要。将多媒体技术整合到中学音乐教学中,使两者紧密结合,以直观形象与视听结合的形式运用于教学中。     

基于用户评论的自动化音乐分类方法

针对现有音乐平台分类类别固定、检索内容限制过多的问题,本文提出了一种基于用户评论的自动化音乐分类方法. 首先,通过linear CRF统计分词模型、n元取词和紧密度分析方法学习得到适合音乐语料分词的字典. 其次,使用linear CRF在上述字典的基础上进行分词,对分词结果进行分合测试,修正分词结果. 然后,使用优化后的TFIDF关键词提取算法进行标签提取,再经过标签合并得到音乐的候选标签. 接着,从全局角度出发对标签进一步筛选,得到音乐的关联标签. 最后,建立音乐和标签之间的概率分类模型,对音乐进行分类. 实验结果表明,该音乐分类方法准确率较高,可以从用户评论中自动地获取音乐多个维度的分类标签,为个性化的音乐检索提供了保障.