汉语民歌情感分类研究与实现

发布时间：2021-05-14 07:54

　　中国民歌的情感分析在很多领域都有研究。在音乐学领域,学者对民歌的情感研究主要集中在特定地域或者特定民歌歌曲的情感表现方式上;在计算机领域,主要是基于音乐音频或者歌词的情感分类。本文以民歌歌词为研究对象,采用Word2vec词向量提取文本特征,使用卷积神经网络算法实现民歌情感分类。具体研究内容包括:首先建立汉语民歌歌词语料库,语料库共包括1082首汉语民歌歌词,使用数据增广到3615首,分别标注为“热烈欢快”、“悲伤忧愁”、“其他类别”三个类别。其次对歌词文本进行预处理,包括去停用词、去除歌曲名称、作词、作曲、演唱者、演唱时间等无用重复信息和分词处理。在分词过程中,本文选用三种分词工具进行比较,根据实验结果选用jieba分词工具。然后对文本使用one-hot编码向量化表示,再使用Word2vec对歌词文本的特征进行提取。结合本语料库的语料特点,通过与传统的机器学习分类算法朴素贝叶斯、支持向量机、K-最近邻进行对比,最终选用卷积神经网络作为民歌歌词情感的分类器,并提出使用不同大小卷积核的CNN-1C模型进行实验。经实验结果对比,得出基于词级特征的CNN-1C模型更适用于本民歌歌词语料库的分... 

【文章来源】：西北民族大学甘肃省

【文章页数】：51 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
        1.2.1 音乐情感分析的研究现状
        1.2.2 文本分类的研究现状
    1.3 论文研究内容与研究意义
        1.3.1 论文研究内容
        1.3.2 论文研究意义
    1.4 论文内容组织
第2章 民歌情感分析的相关背景知识
    2.1 民歌与情感的关系
    2.2 民歌歌词与音乐情感
    2.3 民歌情感特点及分类
    2.4 本文民歌歌词分类及依据
    2.5 本章小结
第3章 实验文本分类技术基础
    3.1 分词技术
    3.2 文本表示之one-hot编码
    3.3 特征提取
        3.3.1 tf-idf
        3.3.2 Word2vec
    3.4 传统的文本分类算法
        3.4.1 KNN
        3.4.2 SVM
        3.4.3 NB
    3.5 卷积神经网络
    3.6 本章小结
第4章 技术方法设计及实验
    4.1 实验结果的评估标准
        4.1.1 分词
        4.1.2 文本情感分类
    4.2 分词工具对比实验
    4.3 特征提取方法对比实验
    4.4 文本分类方法对比实验
        4.4.1 传统机器学习方法对比实验
        4.4.2 字符级、词级对比实验
    4.5 本章小结
第5章 汉语民歌歌词的情感分类实现
    5.1 汉语民歌歌词的情感分类流程
    5.2 民歌歌词语料库构建及实验数据
        5.2.1 民歌语料库构建
        5.2.2 民歌语料库实验数据
    5.3 民歌歌词预处理
        5.3.1 去无用信息和去重
        5.3.2 分词处理
        5.3.3 去停用词
    5.4 民歌歌词文本表示
    5.5 民歌歌词特征提取
    5.6 分类器结构设计-CNN
        5.6.1 输入层
        5.6.2 卷积层
        5.6.3 池化层
        5.6.4 全连接层
    5.7 结果评价分析
        5.7.1 传统机器学习方法对比实验结果及分析
        5.7.2 字符级、词级对比实验结果及分析
    5.8 本章小结
第6章 结论与展望
    6.1 本文总结
    6.2 进一步工作
参考文献
学位期间发表的论文
获奖情况
致谢


【参考文献】：
期刊论文
[1]基于word2vec和双向LSTM的情感分类深度模型[J]. 黄贤英,刘广峰,刘小洋,阳安志.  计算机应用研究. 2019(12)
[2]基于CNN和BiLSTM网络特征融合的文本情感分析[J]. 李洋,董红斌.  计算机应用. 2018(11)
[3]基于Python的简单文本情感分析[J]. 夏玉芹,单雪微.  阴山学刊(自然科学版). 2018(04)
[4]基于民歌歌词的情感分类研究与实现概述[J]. 张婷,曹晖.  西北民族大学学报(自然科学版). 2018(03)
[5]基于词向量特征的文本分类模型研究[J]. 张敬谊,张亚红,李静.  信息技术与标准化. 2017(05)
[6]谈中国民歌的艺术特色[J]. 滕文海.  戏剧之家. 2016(09)
[7]基于SVM主动学习技术的PU文本分类[J]. 富震.  计算技术与自动化. 2014(01)
[8]中文音乐情感词典构建及情感分类方法研究[J]. 蒋盛益,阳垚,廖静欣.  计算机工程与应用. 2014(24)
[9]一个基于相关反馈的神经网络音乐情感分类器构建算法[J]. 王小凤,耿国华,李鹏,刘晓宁.  西北大学学报(自然科学版). 2012(01)
[10]分析传统民歌的情感特点[J]. 樊凤爱.  文学界(理论版). 2011(01)

博士论文
[1]基于深度学习的文本表示与分类方法研究[D]. 闫琰.北京科技大学 2016

硕士论文
[1]基于CNN-3C文本分类的SRBM评分预测与推荐研究[D]. 张倩.安徽农业大学 2018
[2]基于用户评论信息的商品评估系统的研究[D]. 孟鑫.北京交通大学 2018
[3]基于卷积神经网络的中文歌词情感分类[D]. 蒙晓燕.内蒙古师范大学 2018
[4]基于深度学习的文本分类技术的研究[D]. 庞丹丹.北方工业大学 2018
[5]表达与联系：中老年移动K歌用户的参与式文化呈现[D]. 黄卫宁.安徽大学 2018
[6]基于python的中文文本分类研究[D]. 姚芳.华中科技大学 2016
[7]基于深度学习混合模型的文本分类研究[D]. 周超.兰州大学 2016
[8]基于回归分析的音乐情感分类系统[D]. 汪慧敏.南京邮电大学 2015
[9]面向文本分类的特征提取算法研究[D]. 彭君睿.北京邮电大学 2014
[10]基于内容的个人音乐情感分析模型[D]. 曲浥尘.上海交通大学 2013



本文编号：3185284