[论文解读] A Categorical Approach for Recognizing Emotional Effects of Music

Mohsen Sahraei Ardakani, Amir Arbabi|arXiv (Cornell University)|Sep 17, 2017

Music and Audio Processing参考文献 20被引用 3

一句话总结

本文提出了一种基于音频特征与机器学习相结合的分类方法，用于识别音乐中的情感效应。通过Fisher线性判别分析对六种情感标签——快乐、悲伤、放松、激动、史诗、惊悚——进行分类，提取了时域、频域和能量特征，其中支持向量机（SVM）在识别‘史诗’音乐片段时达到77.4%的准确率，为表现最佳的类别。

ABSTRACT

Recently, digital music libraries have been developed and can be plainly accessed. Latest research showed that current organization and retrieval of music tracks based on album information are inefficient. Moreover, they demonstrated that people use emotion tags for music tracks in order to search and retrieve them. In this paper, we discuss separability of a set of emotional labels, proposed in the categorical emotion expression, using Fisher's separation theorem. We determine a set of adjectives to tag music parts: happy, sad, relaxing, exciting, epic and thriller. Temporal, frequency and energy features have been extracted from the music parts. It could be seen that the maximum separability within the extracted features occurs between relaxing and epic music parts. Finally, we have trained a classifier using Support Vector Machines to automatically recognize and generate emotional labels for a music part. Accuracy for recognizing each label has been calculated; where the results show that epic music can be recognized more accurately (77.4%), comparing to the other types of music.

研究动机与目标

• 解决当前基于专辑元数据的音乐检索系统效率低下的问题。
• 探索基于音频内容自动为音乐打情感标签的可行性。
• 通过统计特征分析评估情感类别的可分性。
• 开发一种能够识别音乐片段情感效应的机器学习模型。
• 识别哪些情感类别在音频特征下最易区分。

提出的方法

• 从音乐片段中提取时域、频域和基于能量的音频特征。
• 应用Fisher线性判别分析评估不同情感标签之间的可分性。
• 选取六个情感形容词——快乐、悲伤、放松、激动、史诗、惊悚——作为目标标签。
• 在特征集上训练支持向量机（SVM）分类器，以预测情感类别。
• 利用Fisher可分性定理评估不同情感类别间特征集的判别能力。
• 通过分析不同情感类别下特征分布，优化分类性能。

实验结果

研究问题

• RQ1 能否利用音频特征有效分离音乐中的情感标签？
• RQ2 在特征空间中，哪些情感类别表现出最高的可分性？
• RQ3 机器学习模型对音乐进行预设情感类别的分类准确率如何？
• RQ4 所提出的系统中最可靠识别的情感标签是哪一个？
• RQ5 不同音频特征（时域、频域、能量）对情感分类的贡献如何？

主要发现

• 在所有情感类别中，'放松'与'史诗'音乐片段之间的可分性最大。
• 支持向量机分类器在识别'史诗'音乐片段时达到最高的77.4%准确率。
• '史诗'类别是六个情感标签中分类最准确的。
• 时域、频域和能量特征共同促进了有效的情感分类。
• 研究结果支持利用音频特征与统计学习实现音乐自动情感标注的可行性。
• 本研究证明，可通过Fisher判别分析系统化地实现音乐的情感分类。