李 静,林鸿飞,李瑞敏

(大连理工大学 计算机科学与技术学院，辽宁 大连 116024)

1 引言

音乐的情感标签对基于情感的音乐检索研究有着十分重要的意义。情感标签是用户对音乐的情感诠释，它将“隐性”的音乐情感“显性化”，可以避免专家标注跟大众用户在音乐情感认知上的“代沟”问题[1]。同时，大量的情感标签从不同的角度表达出不同用户对音乐的情感体验，可以避免将复杂的音乐情感“单一化”。但是，并不是所有的音乐都有被标注的“情感标签”，对于一些新的音乐，在它还未被大众所熟识的情况下，它的情感信息还是以一种“隐性”的特征蕴涵在音乐中。因此，本文提出一种基于半监督学习的音乐情感标签预测方法，利用歌曲的歌词信息进行情感分类，找到与待预测歌曲情感主类一致的歌曲集合，并在此集合上通过歌词的情感相似度计算找到最邻近的k首歌曲，对这些歌曲的情感标签进行相似度加权计算，选择前M个作为候选标签推荐给待推荐歌曲。

歌词主题集中、用语简单、结构规范，具有节奏性和韵律性，对歌曲的情感表达有至关重要的作用。文献[2]通过调查发现，中文歌曲中只有不到5%的歌曲因不同歌手演唱而导致所携带的情感信息发生变化。因此，以歌词为歌曲情感的分析依据具有合理性和有效性。传统的文本特征提取方法种类较多，但是对歌词的文本特征提取存在以下问题： (1)歌词文本较短，一般为50～80个字，传统的文本基于“词袋”的方法会不可避免地出现严重的数据“稀疏性”问题；……