宁慧, 南江萍

(1.西安交通工程学院 人文与经济管理学院， 陕西 西安 710000；2.西安交通工程学院 电气工程学院， 陕西 西安 710000)

0 引言

数字音乐的出现，将音乐艺术与信息技术相结合成为目前音乐市场发展热点[1-2]。音乐的本质是潜在的情感，而音乐情感的识别则是根据音乐特征与情感的映射关系来满足，对音乐情感识别有效提升人机情感交互[3-5]。目前，音乐情感分类识别更多的是基于音乐文本、音频信号形式下对数据特征的分析，通过相应的学习方法发现音色、节奏和韵律等特征来构建音乐特征信号的识别模型[6-8]。如针对音乐歌词部分，通过Bag of words方式进行识别，获得不同音乐模式下的情感分类[9-11]；针对音乐韵律方面，采用相应的表达式编程算法进行情感类型的划分[12-14]。但上述方式更多的是基于歌词、韵律的音乐情感分类采用的是单模态数据分析法，难以完整的反映对象的全部特征。

前项神经网络通过利用不同模态数据形成多模态数据来实现对音乐情感鉴赏的多特征融合，实现从歌词、律动和节奏多方位的分类分析，因此具有很强的分类精确度[15]。基于此，本文基于前向神经网络，通过梯度下降算法来提升模型学习能力，利用多模态的数据特征实现对音乐情感的模型训练。

1 情感特征的提取

1.1 音乐情感分类

音乐情感分类是情感分析的第一步。目前在音乐领域较为常用的模型主要为Thayer模型和Hevner情感环模型[16]。本文在两种分类方法的基础上，通过……