基于情感向量空间模型的歌曲情感标签预测模型

• 作者: 李瑞敏 李静 林鸿飞
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 标签预测 特征降维 情感分类 情感向量空间模型
• 年，卷（期）: 2012,（6）
• 页码范围: 45-50,58
• 分类号: TP391
• 字数: 5345字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-0077.2012.06.006

摘要

音乐的情感标签预测对音乐的情感分析有着重要的意义.该文提出了一种基于情感向量空间模型的歌曲情感标签预测算法,首先,提取歌词中的情感特征词构建情感空间向量模型,然后利用SVM分类器对已知情感标签的音乐进行训练,通过分类技术找到与待预测歌曲情感主类一致的歌曲集合,最后,通过歌词的情感相似度计算找到最邻近的k首歌曲,将其标签推荐给待预测歌曲.实验发现本文提出的情感向量空间模型和“情感词—情感标签”共现的特征降维方法比传统的文本特征向量模型能够更好地提高歌曲情感分类准确率.同时,在分类基础上进行的情感标签预测方法可以有效地防止音乐“主类情感漂移”,比最近邻居方法达到更好的标签预测准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机科学与技术学院	214	3759	31.0	55.0
2	李静	大连理工大学计算机科学与技术学院	116	955	17.0	27.0
3	李瑞敏	大连理工大学计算机科学与技术学院	3	97	3.0	3.0