基于用戶評(píng)論的自動(dòng)化音樂(lè)分類方法.pdf

1、音樂(lè)分類作為音樂(lè)信息檢索(Music Information Retrieval，MIR)領(lǐng)域的一個(gè)重要分支，常用于音樂(lè)檢索和音樂(lè)推薦。現(xiàn)有的音樂(lè)分類方法從音樂(lè)的流派、感情、樂(lè)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(guò)于局限，它們將音樂(lè)的類別限制在了一個(gè)固定的范圍內(nèi)，導(dǎo)致用戶無(wú)法根據(jù)音樂(lè)的細(xì)節(jié)信息進(jìn)行音樂(lè)檢索。
　　針對(duì)音樂(lè)分類類別固定、搜索內(nèi)容過(guò)于局限的問(wèn)題，本文提出了一種基于用戶評(píng)論的自動(dòng)化音樂(lè)分類方法。此方法不再

2、局限于已有的音樂(lè)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(lè)的評(píng)論描述更為深入，這些詳細(xì)的描述對(duì)音樂(lè)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(chǎng)(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(lè)語(yǔ)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(yǔ)料的需求。
　　2)使用linear CRF和上述的音樂(lè)字典進(jìn)行分詞。接著使用基于詞匯緊密度分析的分合測(cè)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