| 基于TLDA和SVSM的音乐信息检索模型 |
| |
| 引用本文： | 周利娟,林鸿飞,闫俊.基于TLDA和SVSM的音乐信息检索模型[J].计算机科学,2014,41(2):174-178. |
| |
| 作者姓名： | 周利娟 林鸿飞 闫俊 |
| |
| 作者单位： | 大连理工大学计算机科学与技术学院 大连116023;大连理工大学计算机科学与技术学院 大连116023;大连理工大学计算机科学与技术学院 大连116023 |
| |
| 基金项目： | 本文受国家自然科学基金(60973068,0),国家社科基金(08BTQ025),教育部博士点基金(20110041110034),辽宁省自然科学基金(201202031)资助 |
| |
| 摘 要： | 随着协同标注功能的普及,用户可以通过标注自己感兴趣的音乐实现个性化的分类管理,因此音乐共享系统中的社会化标签已成为互联网的重要资源。为了提高音乐检索系统的效率,综合考虑了社会化标签的特性及其对音乐检索模型的影响,利用了TLDA方法来进行标签聚类以获取更多的语义相关的标签,综合考虑了用户检索行为、歌词、音乐标签和音乐流行度来提高音乐信息检索系统的性能。实验表明,基于TLDA和SVSM的音乐检索模型相比于基于属性数据的音乐检索模型以及k-means标签聚类的模型,尤其是在音乐标签稀疏和非正规的情况下,能够在一定程度上提高音乐检索的性能。
|
| 关 键 词： | 音乐信息检索 音乐向量空间模型 标签聚类 标签推荐 TLDA模型 |
| 收稿时间： | 2013/5/20 0:00:00 |
| 修稿时间： | 2013/7/30 0:00:00 |
Tags Know You Better:A New Approach to Enhancing MIR System |
| |
| ZHOU Li-juan,LIN Hong-fei and YAN Jun.Tags Know You Better:A New Approach to Enhancing MIR System[J].Computer Science,2014,41(2):174-178. |
| |
| Authors: | ZHOU Li-juan LIN Hong-fei and YAN Jun |
| |
| Affiliation: | School of Computer Science and Technology,Dalian University of Technology,Dalian 116023,China;School of Computer Science and Technology,Dalian University of Technology,Dalian 116023,China;School of Computer Science and Technology,Dalian University of Technology,Dalian 116023,China |
| |
| Abstract: | |
| |
| Keywords: | Music information retrieval Music vector space model Tag clustering Tag recommendation Tag latent dirichlet allocation model |
| 本文献已被 CNKI 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
