論文の概要: How Much do Lyrics Matter? Analysing Lyrical Simplicity Preferences for Individuals At Risk of Depression

• arxiv url: http://arxiv.org/abs/2109.07227v1
• Date: Wed, 15 Sep 2021 11:41:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-16 21:24:34.312323
• Title: How Much do Lyrics Matter? Analysing Lyrical Simplicity Preferences for Individuals At Risk of Depression
• Title（参考訳）: 歌詞はどれくらい重要か? 抑うつリスクのある個人に対する叙情的単純性選好の分析
• Authors: Jaidev Shriram, Sreeharsha Paruchuri and Vinoo Alluri
• Abstract要約: 我々は、不況のリスク(At-Risk)と、そうでないもの(No-Risk)のリスク(At-Risk)にグループ化されたユーザーの叙情的な単純さの傾向を比較した。 以上の結果から,At-Risk の個人は,特に Sad を特徴とする楽曲に対して,情報量が多い曲(圧縮率の低い曲)を平均で好んでいることが明らかとなった。 また、At-Riskの個人は聴取履歴の絶対情報コンテンツの多様性も高い。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Music affects and in some cases reflects one's emotional state. Key to this influence is lyrics and their meaning in conjunction with the acoustic properties of the track. Recent work has focused on analysing these acoustic properties and showing that individuals prone to depression primarily consume low valence and low energy music. However, no studies yet have explored lyrical content preferences in relation to online music consumption of such individuals. In the current study, we examine lyrical simplicity, measured as the Compressibility and Absolute Information Content of the text, associated with preferences of individuals at risk for depression. Using the six-month listening history of 541 Last.fm users, we compare lyrical simplicity trends for users grouped as being at risk (At-Risk) of depression from those that are not (No-Risk). Our findings reveal that At-Risk individuals prefer songs with greater information content (lower Compressibility) on average, especially for songs characterised as Sad. Furthermore, we found that At-Risk individuals also have greater variability of Absolute Information Content across their listening history. We discuss the results in light of existing socio-psychological lab-based research on music habits associated with depression and their relevance to naturally occurring online music listening behaviour.
• Abstract（参考訳）: 音楽は影響を受け、時には感情的な状態を反映する。 この影響の鍵となるのは、トラックの音響特性とともに歌詞と意味である。 近年の研究では、これらの音響特性の分析に焦点が当てられ、うつ病に苦しむ人は、主に低原子価と低エネルギーの音楽を消費していることが示されている。 しかし、そのような個人のオンライン音楽消費に関して、歌詞コンテンツ嗜好についてはまだ研究されていない。 本研究は,テキストの圧縮性と絶対的情報量として測定された歌詞の単純さを,うつ病リスクのある個人の嗜好と関連づけて検討する。 541 last.fmユーザーの6ヶ月のリスニング履歴を用いて、(リスクのない)ユーザーのうつ病のリスク(リスク)と分類されたユーザーの歌詞的単純さの傾向を比較した。 その結果,at-riskの個人は平均して情報量が多い曲(低圧縮性)を好むことが明らかとなった。 さらに,At-Riskの個人は聴取履歴の絶対情報コンテンツの多様性も高いことがわかった。 抑うつに関連する音楽習慣と自然発生するオンライン音楽リスニング行動との関連について,既存の社会心理学的研究室による研究から考察する。

関連論文リスト

• A Survey of Foundation Models for Music Understanding [60.83532699497597]
  この研究は、AI技術と音楽理解の交差に関する初期のレビューの1つである。 音楽理解能力に関して,近年の大規模音楽基盤モデルについて検討,分析,検証を行った。
  論文  参考訳（メタデータ） (2024-09-15T03:34:14Z)
• Joint sentiment analysis of lyrics and audio in music [1.2349562761400057]
  自動分析では、実際の音声データは通常分析されるが、歌詞は気分の知覚において重要な役割を果たす。 我々はまず、歌詞と音声に基づいて感情分析の様々なモデルを評価する。それに対応するアプローチは、すでに満足できる結果を示しているが、弱みも示している。
  論文  参考訳（メタデータ） (2024-05-03T10:42:17Z)
• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• Exploring the Emotional Landscape of Music: An Analysis of Valence Trends and Genre Variations in Spotify Music Data [0.0]
  本稿ではSpotifyの音楽データを用いた音楽感情と傾向の複雑な分析を行う。 回帰モデル、時間分析、気分遷移、ジャンル調査を応用し、音楽と感情の関係のパターンを明らかにする。
  論文  参考訳（メタデータ） (2023-10-29T15:57:31Z)
• Exploring Musical, Lyrical, and Network Dimensions of Music Sharing Among Depression Individuals [14.293723126727485]
  ソーシャルメディアは、うつ病を経験する個人にとって重要なプラットフォームとなっている。 本研究では,うつ病と診断された個人と診断された非診断者の音楽嗜好の相違について検討した。
  論文  参考訳（メタデータ） (2023-10-17T20:08:43Z)
• Utilizing Mood-Inducing Background Music in Human-Robot Interaction [46.05195048997979]
  本稿では,人間の被験者がバックグラウンド音楽を聴きながら自律的なエージェントの存在下でのタスクを完了させる実験の結果を報告する。 この結果から,このような背景情報をエージェントの世界表現に効果的に組み込むことで,人々の行動をより正確に予測できることが示唆された。
  論文  参考訳（メタデータ） (2023-08-28T02:54:05Z)
• Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
  精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。 本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
  論文  参考訳（メタデータ） (2023-02-05T22:33:49Z)
• Affective Idiosyncratic Responses to Music [63.969810774018775]
  本研究では,中国社会音楽プラットフォーム上での403万以上のリスナーコメントから,音楽に対する感情応答を測定する手法を開発した。 我々は,聴取者の感情反応を促進する音楽的,歌詞的,文脈的,人口動態的,精神的健康的効果をテストした。
  論文  参考訳（メタデータ） (2022-10-17T19:57:46Z)
• A Psychologically Informed Part-of-Speech Analysis of Depression in Social Media [1.7188280334580193]
  私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。 その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。 我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
  論文  参考訳（メタデータ） (2021-07-31T16:23:22Z)
• Deep Multi-task Learning for Depression Detection and Prediction in Longitudinal Data [50.02223091927777]
  うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。 機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。 本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-12-05T05:14:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。