基于用戶評(píng)論的自動(dòng)化音樂分類方法.pdf

1、音樂分類作為音樂信息檢索(Music Information Retrieval，MIR)領(lǐng)域的一個(gè)重要分支，常用于音樂檢索和音樂推薦?，F(xiàn)有的音樂分類方法從音樂的流派、感情、樂器、藝術(shù)家和標(biāo)注五個(gè)角度進(jìn)行分類。但是這些分類方法都過于局限，它們將音樂的類別限制在了一個(gè)固定的范圍內(nèi)，導(dǎo)致用戶無法根據(jù)音樂的細(xì)節(jié)信息進(jìn)行音樂檢索。
　　針對(duì)音樂分類類別固定、搜索內(nèi)容過于局限的問題，本文提出了一種基于用戶評(píng)論的自動(dòng)化音樂分類方法。此方法不再

2、局限于已有的音樂類別，可以得到更為多樣化的分類結(jié)果，為用戶提供更個(gè)性化的檢索體驗(yàn)。該方法的出發(fā)點(diǎn)為用戶對(duì)音樂的評(píng)論描述更為深入，這些詳細(xì)的描述對(duì)音樂的分類有重要的參考價(jià)值。本文的主要工作如下:
　　1)首先利用線性鏈條件隨機(jī)場(linear Conditional Random Field，linear CRF)模型識(shí)別專業(yè)名詞。然后使用N元詞串提取和緊密度分析方法，利用種子生成的思想得到適合音樂語料分詞的字典。此混合方法能獲取較

3、為準(zhǔn)確和豐富的字典，降低基于統(tǒng)計(jì)的分詞模型對(duì)標(biāo)注語料的需求。
　　2)使用linear CRF和上述的音樂字典進(jìn)行分詞。接著使用基于詞匯緊密度分析的分合測試評(píng)估分詞結(jié)果。接著使用MMSEG(Max Matching Segmentation)模型進(jìn)行分詞修正，使得修正后的分詞結(jié)果擁有較高的準(zhǔn)確率。
　　3)對(duì)比多個(gè)關(guān)鍵詞提取算法，選擇TFIDF(Term Frequency-Inverse DocumentFrequency