欢迎来到天天文库
浏览记录
ID:17930057
大小:1.33 MB
页数:54页
时间:2018-09-10
《基于卷积神经网络的中文歌词情感分类》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、学校代码:10135论文分类号:TP31学号:20154019004研究生类别:全日制硕士学位论文基于卷积神经网络的中文歌词情感分类SentimentClassificationofChineseLyricsBasedonConvolutionalNeuralNetworksModel学科门类:工学一级学科:计算机科学与技术学科、专业:计算机应用技术研究方向:自然语言处理申请人姓名:蒙晓燕指导教师姓名:殷雁君二〇一八年五月二十日内蒙古师范大学硕士学位论文内蒙古师范大学硕士学位论文中文摘要随着网络的普及,我国的音乐市场迅速拓
2、展,各种在线音乐网站为用户提供了多种多样的音乐。为便于用户快速选择自己喜欢的音乐,在线音乐网站几乎都对音乐进行了不同角度如情感、场景、主题等的分类,相关音乐研究人员也试图在寻找一种最佳的自动音乐分类方法,其中根据情感对音乐归类是目前的一个研究热点。但由于音乐情感是一种较为复杂的主观感受,其本身具有一定的模糊性,因此存在以下两个问题:其一,借助人工为音乐分类的方法较为繁琐且难以避免主观性影响;其二,音乐的音频、韵律等特征较为抽象且不易提取,这也给借助计算机自动分类方面的研究带来了一定的困难。针对上述问题,本文提出了一种基于卷
3、积神经网络的中文歌词情感分类方法,该方法主要包含两个过程:歌词特征项的获取与表示和中文音乐的分类过程。为此,本文首先采用真值法对五大在线音乐网站的音乐进行了统一情感归类并赋予具体情感标签;其次,分析了歌词特点并统计了词频、词种类及行数等作为确定特征项数的参考要素,计算了歌词对应的TF-IDF值并以此为标准对特征项加以少补多舍,通过word2vec的skip-gram模型将提取的特征项表示为特征向量,并将特征向量的最后一维替换为特征项对应的TF-IDF值,该方法既考虑了歌词简短、重复率高的特点,又避免了对特征项进行后向补零操
4、作而造成的分类不准确问题;最后,将得到的歌词特征向量构成的矩阵作为卷积神经网络的输入,通过设计卷积神经网络的各层结构训练歌词数据集并进行测试,从而达到了较好的歌词情感分类效果。本文收集了在线音乐网站上的大量音乐数据并总结了音乐中歌词用语特点,统计分析了词数、词种类及行数等,经多次训练实验及对比分析不同方法得到的情感分类结果,充分证明了本文提出方法的准确性和有效性。同时对将来文本特征提取及情感分类方面的研究有所帮助。关键词:中文歌词,情感分类,特征项表示,卷积神经网络内蒙古师范大学硕士学位论文ABSTRACTWiththep
5、opularizationofthenetwork,themusicmarketinChinahasbeenrapidlydeveloping,andvariousonlinemusicwebsitesprovideuserswithawidevarietyofmusic.Inordertomakeusersquicklyselecttheirfavoritemusic,thesewebsiteshavealmostclassifiedmusicindifferentperspectivessuchasemotion,sc
6、enes,themes,etc.Relatedmusicresearchersarealsotryingtofindanautomaticallyoptimalmethodtoclassifymusic.Amongtheseperspectives,classifyingmusicaccordingtoemotionisahotresearchtopicatpresent.However,sincetheemotionofmusicisakindofcomplexsubjectivefeeling,ithasacertai
7、ndegreeofambiguity.Therefore,therearetwoproblems:Firstly,themethodofclassifyingmusicbyartificialiscomplicated,anditisdifficulttoavoidthesubjectiveinfluence.Secondly,thefeaturesofmusicsuchasaudioandrhythmarerelativelyabstractanddifficulttoextract,whichalsobringscer
8、taindifficultiestotheresearchofautomaticbycomputer.Inordertosolvetheaboveproblems,anemotionalclassificationmethodforChineselyricsbasedonconvolutionalneu
此文档下载收益归作者所有