[发明专利]一种利用歌词识别音乐情感的方法

摘要

本发明公开了音乐资源管理和音乐资源检索技术领域中的一种利用歌词识别音乐情感的方法。包括将已经标注音乐情感的歌曲的歌词放入歌词训练集中；预处理歌词训练集中每首歌曲的歌词得到歌词的特征集合；确定歌词训练集的优化特征集合；计算歌词训练集中每首歌曲的歌词的特征权值向量并形成歌词训练集的特征权值矩阵；建立歌词训练集的优化特征集合中的特征与音乐情感之间的特征指示函数；建立歌词训练集中每首歌曲的歌词与音乐情感的最大熵模型；计算所述最大熵模型，得到条件概率的最优解和最优拉格朗日乘子向量；最后计算待识别的歌词的音乐情感。本发明克服了通过音频文件确定音乐情感存在的训练和识别花费时间长、占用内存大等问题。

主权项

1.一种利用歌词识别音乐情感的方法，其特征是所述方法包括：步骤1：将已经标注音乐情感的n首歌曲的歌词放入歌词训练集L中；步骤2：预处理歌词训练集L中每首歌曲的歌词得到歌词的特征集合F_i；其中，F_i是第i首歌曲的歌词的特征集合，i=1,2,...,n；步骤3：根据公式确定歌词训练集的特征集合F_L；步骤4：在歌词训练集的特征集合F_L中，将出现次数小于设定阈值的特征删除，得到歌词训练集的优化特征集合F_opt={t₁,t₂,...,t_m}；其中，t_k为歌词训练集的优化特征集合中的特征，k=1,2,...,m，m为歌词训练集的优化特征集合中的特征数量；步骤5：计算歌词训练集中每首歌曲的歌词的特征权值向量l_i并形成歌词训练集的特征权值矩阵N；其中，l_i是第i首歌曲的歌词的特征权值向量；步骤6：建立歌词训练集的优化特征集合F_opt中的特征与音乐情感之间的特征指示函数f_k(l_i,c)；其中，当歌词训练集的优化特征集合F_opt中的特征t_k是第i首歌曲的歌词的特征集合F_i中的特征，并且第i首歌曲的歌词的音乐情感为c时，f_k(l_i,c)=1；当歌词训练集的优化特征集合F_opt中的特征t_k不是第i首歌曲的歌词的特征集合F_i中的特征或者第i首歌曲的歌词的音乐情感不为c时，f_k(l_i,c)=0；步骤7：建立歌词训练集中每首歌曲的歌词与音乐情感的最大熵模型，包括目标函数和约束条件；所述目标函数为：其中，H(P)为P(c|l_i)的熵，且H(P)=-Σ1≤i≤nc∈CP~(li)P(c|li)logP(c|li);]]>P(c|l_i)为歌词训练集中第i首歌曲的歌词的音乐情感为c的条件概率；C为由歌词训练集L中每首歌曲的歌词的音乐情感组成的集合；#(l_i)为歌词训练集中第i首歌曲的歌词在歌词训练集中出现的频数，|L|为歌词训练集中歌曲的总数；所述约束条件包括：P(c|l_i)≥0，i=1,2,...n且Σc∈CP(c|li)=1,i=1,2,...,n;]]>Σ1≤i≤nc∈CP~(li)P(c|li)fk(li,c)=Σ1≤i≤nc∈CP~(li,c)fk(li,c);]]>其中，#(l_i,c)为歌词训练集中第i首歌曲的歌词的音乐情感为c的统计频数；步骤8：采用拉格朗日乘子法计算所述最大熵模型，得到条件概率P(c|l_i)的最优解和最优拉格朗日乘子向量Λ=(λ₁,λ₂,...,λ_k,...,λ_m)；其中，Z_Λ(l_i)为归一化因子且步骤9：预处理待识别的歌词得到待识别的歌词的特征集合F_new；步骤10：计算待识别的歌词的特征权值向量l_new；步骤11：根据公式计算待识别的歌词的音乐情感c^*；其中，ZΛ(lnew)=Σc∈Cexp(Σk=1mλkhk(li,c)vk);]]>vk为待识别的歌词的特征权值向量l_new的第k个分量。