← 回到全部作品
SELECTED WORK / JACK CHEN

Music, words
& emotion

歌单里的情绪,来自歌词还是声音?

一项课程小组研究:利用歌词与音频信息,预测歌曲在不同情绪歌单中的标签支持度,并比较不同模型与融合方式。

查看研究方法
CONTEXT
音乐 × 机器学习
TARGET
12 个连续标签支持度
EVALUATION
Macro-RMSE

我们在预测什么

歌曲可以出现在不同情绪标签的歌单中。研究关注的是:歌词和音频信息能否帮助预测一首歌在这些歌单中的标签支持度。

某情绪标签支持度
= 该情绪歌单中的收录计数 ÷ 歌曲总收录计数

这些标签可以重叠,各维度的支持度不要求加总为 1。它们描述数据中的歌单归类情况,不能直接解释为歌曲的客观情绪强度,或每一位听众的主观感受。

从单一信息到多模态

信息或方法研究中的作用
歌词特征从文本中提取用于预测的表示,考察歌词所提供的信息。
音频特征从声音特征及其序列结构中提取预测信息。
线性 Sigmoid、MLP比较结构较简单的模型与非线性模型。
CNN、GRU、LSTM探索局部特征和序列建模方式。
融合方法考察结合歌词与音频,或组合不同预测结果的价值。

使用 Macro-RMSE 汇总不同标签维度的预测误差。解释结果时,需要同时考虑标签构造、数据分布和评估流程。

让评估对应研究问题

同一首歌的不同来源,或重复歌词与音频,都可能影响样本之间的独立性。项目围绕歌曲 ID、精确歌词或音频关联构建关联组;歌手和情绪标签不作为该分组的依据。

模型比较需要同时说明特征处理、训练与测试划分、调参过程和评价指标。本页介绍研究问题和方法,不将精简代码中的示例数字作为实验成绩。

这项工作的关注点:把标签的含义讲清楚,把比较方法说明白,并让模型结论保留可以被复核的边界。

NEXT EXPLORATIONCoffee Strategy Lab ↗
全部作品