QQ客服 官方微博 反馈留言

	基于情感向量空间模型的歌词情感分析
	夏云庆 ; 杨莹 ; 张鹏洲 ; Yunqing Xia ; Ying Yang ; Pengzhou Zhang
	2010-07-15 ; 2010-07-15
会议名称	中国计算机语言学研究前沿进展（2007-2009） ; Advances of Computational Linguistics in China ; 第十届全国计算语言学学术会议 ; 10th Chinese National Conference on Compuational Linguistics ; 中国山东烟台 ; CNKI ; 中国中文信息学会
关键词	文本情感分析 情感向量空间模型 情绪压力 Sentiment analysis sentiment vector space model sentiment stress TP391.1
其他题名	Lyric-Based Song Sentiment Analysis with Sentiment Vector Space Model
中文摘要	音频信号在歌曲情感分析中难以奏效,所以本文提出以歌词作为歌曲情感分析的依据,采取基于情感单元的情感向量空间模型(s-VSM)进行歌词情感分析。该模型较好地解决了基于词汇的向量空间模型(w-VSM)在文本表示效率、歧义、情感功能和数据稀疏性等方面的不足。同时,本文将情感词词频与Thayer二维情感压力模型相结合,提出了"轻松"、"压抑"之外的"复杂"、"含蓄"两类新的情感压力类别。实验证明:(1)s-VSM模型在歌词情感分类中优于传统方法;(2)四类情感压力模型对歌词情感分析很有帮助。; Song sentiment analysis has not been satisfactorily addressed in audio signal processing community. In this work,lyric is used as proof for song sentiment analysis and the sentiment vector space model(s-VSM) is proposed to represent given lyric.Compared to the word-based vector space model(w-VSM),the s-VSM model successfully addresses the critical issues on text representation efficiency,ambiguity,functionality and data sparsity.Furthermore,the two-dimension Thayer sentiment stress model,i.e.light-hearted and heavy-hearted is extended to a four-dimension model to incorporate two extra sentiment stress levels,i.e. complicated and implied.Experiments show that 1) the s-VSM model outperforms the traditional methods; and 2) the four-dimension sentiment stress model is helpful to further improve performance of song sentiment analysis.; 国家自然科学基金(60703051); 科技部国际科技合作计划(2009DFA12970); 清华大学基础研究基金(JC2007049)资助
会议录出版者	清华大学出版社
语种	中文 ; 中文
内容类型	会议论文
源URL	[http://hdl.handle.net/123456789/69733]
专题	清华大学
推荐引用方式 GB/T 7714	夏云庆,杨莹,张鹏洲,等. 基于情感向量空间模型的歌词情感分析[C]. 见:中国计算机语言学研究前沿进展（2007-2009）, Advances of Computational Linguistics in China, 第十届全国计算语言学学术会议, 10th Chinese National Conference on Compuational Linguistics, 中国山东烟台, CNKI, 中国中文信息学会.

个性服务

查看访问统计

相关权益政策

暂无数据

收藏/分享

除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。