[論文レビュー] Love Me, Love Me, Say (and Write!) that You Love Me: Enriching the WASABI Song Corpus with Lyrics Annotations

Michael J. Fell, Elena Cabrio+3 more|arXiv (Cornell University)|Dec 5, 2019

Music and Audio Processing参考文献 1被引用数 6

ひとこと要約

本論文では、構造、感情、明示的コンテンツ、トピック、顕著な箇所を自動的に付与された、173万件の楽曲歌詞からなる大規模かつ多言語の WASABI 歌詞コーパスを提示する。自然言語処理および音声分析技術を用いて、歌詞から意味的および感情的特徴を抽出し、インテリジェントな音楽検索・推薦・分析を可能にする。モデルの継続的改善と、データおよびツールの公開を実施している。

ABSTRACT

We present the WASABI Song Corpus, a large corpus of songs enriched with metadata extracted from music databases on the Web, and resulting from the processing of song lyrics and from audio analysis. More specifically, given that lyrics encode an important part of the semantics of a song, we focus here on the description of the methods we proposed to extract relevant information from the lyrics, such as their structure segmentation, their topics, the explicitness of the lyrics content, the salient passages of a song and the emotions conveyed. The creation of the resource is still ongoing: so far, the corpus contains 1.73M songs with lyrics (1.41M unique lyrics) annotated at different levels with the output of the above mentioned methods. Such corpus labels and the provided methods can be exploited by music search engines and music professionals (e.g. journalists, radio presenters) to better handle large collections of lyrics, allowing an intelligent browsing, categorization and segmentation recommendation of songs.

研究の動機と目的

• 音楽情報検索および推薦を支援するため、意味的および感情的メタデータで豊かにされた大規模かつ多言語の楽曲歌詞コーパスの構築を目的とする。
• 楽曲歌詞に内蔵された重要な意味的および感情的コンテンツを、意味的かつ構造的な情報を抽出する課題に対処することを目的とする。
• 構造、感情、明示的表現、トピック、顕著な箇所を自動的に付与するための自然言語処理手法の開発および適用を目的とする。
• 音楽関係者および検索エンジンが、豊富に付与されたメタデータを活用して、インテリジェントなブラウジング、分類、パーソナライズド推薦を実現することを目的とする。
• 研究の再現可能性およびさらなる研究を促進するため、コーパス、トレーニング済みモデル、ツールへのオープンアクセスを提供することを目的とする。

提案手法

• Webベースの音楽データベース（例：LyricWiki、DBpedia、Last.fm）を活用し、210万件の楽曲のメタデータを収集・統合した。そのうち173万件が歌詞を含んでいた。
• 系列モデルおよびアライメント技術を用いて、歌詞を構造的単位（例：ヴァース、コーラス）に階層的に分割するモデルを適用した。
• 構造的特徴と埋め込みベースのクラスタリングを組み合わせたハイブリッドアプローチを用い、顕著なフレーズから要約を簡潔に生成した。
• BERTベースの埋め込みを用い、収集済みデータセットで微調整したバイナリ分類器を訓練し、歌詞内の明示的コンテンツを検出した。
• 感情の2次元モデル（価値と覚醒）を採用し、歌詞埋め込みの弱教師付きクラスタリングにより学習した。
• 全コーパスに対して確率的トピックモデリングを適用し、60トピックを用いた潜在ディリクレ割り当て（LDA）を実行して、解釈可能なトピックラベルを抽出した。

実験結果

リサーチクエスチョン

• RQ1 自然言語処理技術を用いて、楽曲歌詞をヴァース、コーラス、ブリッジなどの構造的コンponentsに自動的に分割する方法は何か？
• RQ2 連続的な価値・覚醒次元を用いて楽曲歌詞の感情をモデル化できる程度はどのくらいで、人間の認識とどの程度一致するか？
• RQ3 大規模な楽曲歌詞から解釈可能なテーマを効果的に抽出できるか？また、これらのテーマは時間経過とともにどのように変化するか？
• RQ4 明示的コンテンツや顕著な箇所の付与が、ジャンル、感情、歌詞構造とどの程度相関しているか？
• RQ5 ポピュラー音楽の数十年にわたる時間的推移において、歌詞のテーマ、明示的表現、感情表現の傾向はどのように変化しているか？

主な発見

• WASABI 歌詞コーパスには、36ヶ国語で173万件の固有の楽曲歌詞が含まれており、そのうち105万件が60トピックのLDAモデルで付与済みである。
• 価値・覚醒フレームワークを用いて、173万件の楽曲の感情付与を成功裏に予測した。そのうち1万6千件が詳細な感情ベクトルを有していた。
• 71万5千件の楽曲に明示的コンテンツが付与され、そのうち5万2千件が「明示的」とラベル付けされた。これは成熟したコンテンツが顕著に存在することを示している。
• 構造的特徴と埋め込みベースの選択を組み合わせた手法により、5万件の楽曲に対して顕著な箇所の要約が生成され、要約品質が向上した。
• トピックモデリングの結果、「恋愛」と「薬物」のようなテーマは明確な時間的トレンドを示し、特定の時代に顕著に増加傾向にあった。
• 相関分析の結果、感情的に強い歌詞は、より構造的に分割されやすく、トピック的に集中している傾向が確認された。これは、多層的付与の有効性を裏付けている。