論文の概要: Lyricist-Singer Entropy Affects Lyric-Lyricist Classification
Performance
- arxiv url: http://arxiv.org/abs/2310.11035v1
- Date: Tue, 17 Oct 2023 07:02:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 17:12:12.075475
- Title: Lyricist-Singer Entropy Affects Lyric-Lyricist Classification
Performance
- Title（参考訳）: 歌詞-シンガーエントロピーが歌詞-歌詞の分類性能に及ぼす影響
- Authors: Mitsuki Morita and Masato Kikuchi and Tadachika Ozono
- Abstract要約: 歌詞から歌詞の特徴を表す特徴を抽出する潜在的手法を検討する。
歌詞と歌手のエントロピーと,歌詞と歌詞の分類性能の関連性について検討した。
以上の結果から,低濃度のライリシスト・シンガーエントロピー群におけるライリシスト分類性能に寄与する特徴のさらなる分析により,ライリシストの特徴抽出作業が改善する可能性が示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Although lyrics represent an essential component of music, few music
information processing studies have been conducted on the characteristics of
lyricists. Because these characteristics may be valuable for musical
applications, such as recommendations, they warrant further study. We
considered a potential method that extracts features representing the
characteristics of lyricists from lyrics. Because these features must be
identified prior to extraction, we focused on lyricists with easily
identifiable features. We believe that it is desirable for singers to perform
unique songs that share certain characteristics specific to the singer.
Accordingly, we hypothesized that lyricists account for the unique
characteristics of the singers they write lyrics for. In other words,
lyric-lyricist classification performance or the ease of capturing the features
of a lyricist from the lyrics may depend on the variety of singers. In this
study, we observed a relationship between lyricist-singer entropy or the
variety of singers associated with a single lyricist and lyric-lyricist
classification performance. As an example, the lyricist-singer entropy is
minimal when the lyricist writes lyrics for only one singer. In our
experiments, we grouped lyricists among five groups in terms of lyricist-singer
entropy and assessed the lyric-lyricist classification performance within each
group. Consequently, the best F1 score was obtained for the group with the
lowest lyricist-singer entropy. Our results suggest that further analyses of
the features contributing to lyric-lyricist classification performance on the
lowest lyricist-singer entropy group may improve the feature extraction task
for lyricists.
- Abstract（参考訳）: 歌詞は音楽の重要な要素であるが,作詞家の特徴に関する音楽情報処理の研究はほとんど行われていない。
これらの特徴はレコメンデーションなどの音楽応用に有用であるため、さらなる研究が求められる。
歌詞から歌詞の特徴を表す特徴を抽出する潜在的手法を検討した。
これらの特徴は抽出前に識別する必要があるため、容易に識別できる特徴を持つ作詞家に焦点を当てた。
我々は,歌手に特有の特徴を共有する独特な歌を演奏することが望ましいと信じている。
それゆえ、作詞家たちは歌詞を書く歌手の独特な特徴を担っていると仮定した。
言い換えれば、歌詞・歌詞の分類性能や歌詞から歌詞の特徴を捉えることの容易さは、歌手の多様性に依存するかもしれない。
本研究では,作詞家・歌手のエントロピーと歌手の多様性との関係について検討した。
例えば、作詞家と歌手のエントロピーは、作詞家だけが1人の歌手のために歌詞を書く場合、最小限である。
実験では,リンガーエントロピーの観点から5つのグループに分類し,各グループにおけるリンガーの分類性能を評価した。
その結果、最も低いライリシスト・シンガーエントロピーを持つグループに対して最高のf1スコアが得られた。
以上の結果から,低濃度のライリシスト・シンガーエントロピー群におけるライリシスト分類性能に寄与する特徴のさらなる分析が,ライリシストの特徴抽出作業を改善する可能性が示唆された。
関連論文リスト
- Agent-Driven Large Language Models for Mandarin Lyric Generation [2.2221991003992967]
マンダリンのような音節の輪郭言語では、ピッチの輪郭はメロディとトーンの両方に影響され、歌詞とメロディの適合性が変化する。
本研究は,作詞家やメロディ作家が作曲過程に適合していることを確認する。
本研究では,メロディから歌詞へのタスクをサブタスクに分解するマルチエージェントシステムを開発し,各エージェントが韻律,音節数,歌詞・メロディのアライメント,一貫性を制御している。
論文 参考訳（メタデータ） (2024-10-02T12:01:32Z) - Optimizing the Songwriting Process: Genre-Based Lyric Generation Using Deep Learning Models [2.703659575788133]
本プロジェクトは,ディープラーニング技術を用いて,従来の曲の書き起こしプロセスを簡素化することを目的としている。
我々は、歌詞を個々の詩にパースするためにトークンを用いた独自の前処理フォーマットを開発した。
その結果, ベースラインモデルでは高いリコール(ROUGE)が得られたが, どちらのモデルにも類似の精度(BLEU)が得られた。
論文 参考訳（メタデータ） (2024-09-15T21:32:46Z) - REFFLY: Melody-Constrained Lyrics Editing Model [50.03960548399128]
任意の形態のプレーンテキストドラフトを高品質で本格的な歌詞に編集するための,最初の改訂フレームワークであるREFFLYを紹介する。
提案手法は,生成した歌詞が原文の意味を保ち,旋律と整合し,所望の曲構造に固執することを保証する。
論文 参考訳（メタデータ） (2024-08-30T23:22:34Z) - Unsupervised Melody-to-Lyric Generation [91.29447272400826]
本稿では,メロディ・歌詞データを学習することなく高品質な歌詞を生成する手法を提案する。
我々は、メロディと歌詞のセグメンテーションとリズムアライメントを利用して、与えられたメロディをデコード制約にコンパイルする。
我々のモデルは、強いベースラインよりもオントピー的、歌いやすく、知性があり、一貫性のある高品質な歌詞を生成することができる。
論文 参考訳（メタデータ） (2023-05-30T17:20:25Z) - Unsupervised Melody-Guided Lyrics Generation [84.22469652275714]
メロディと歌詞の一致したデータを学習することなく、楽しく聴ける歌詞を生成することを提案する。
メロディと歌詞間の重要なアライメントを活用し、与えられたメロディを制約にコンパイルし、生成プロセスを導く。
論文 参考訳（メタデータ） (2023-05-12T20:57:20Z) - Multimodal Lyrics-Rhythm Matching [0.0]
本稿では,歌詞と音楽のキーコンポーネントを相互にマッチングする,新しいマルチモーダルな歌詞・リズムマッチング手法を提案する。
楽譜の代わりに音声を使用し、メタデータを手軽に利用できるようにし、より多くの課題を生み出しますが、我々の手法の適用柔軟性は向上します。
実験の結果,平均一致確率は0.81であり,曲の約30%は強拍に着地するキーワードの0.9以上の確率を持つことがわかった。
論文 参考訳（メタデータ） (2023-01-06T22:24:53Z) - "More Than Words": Linking Music Preferences and Moral Values Through
Lyrics [2.3204178451683264]
本研究では,歌詞にテキスト分析手法を適用し,音楽の嗜好と道徳的価値の関係について検討した。
われわれは1,386人のサイコメトリックスコアを、Facebook Page Likesから登場した好みの音楽アーティストのトップ5の歌詞に合わせる。
機械学習フレームワークは、回帰アプローチを利用して、道徳的価値を推定するための叙述的特徴の予測力を評価するように設計された。
論文 参考訳（メタデータ） (2022-09-02T16:58:52Z) - Re-creation of Creations: A New Paradigm for Lyric-to-Melody Generation [158.54649047794794]
Re-creation of Creations (ROC)は、歌詞からメロディ生成のための新しいパラダイムである。
ROCは、Lyric-to-Meody生成において、優れたLyric-Meody特徴アライメントを実現する。
論文 参考訳（メタデータ） (2022-08-11T08:44:47Z) - Genre-conditioned Acoustic Models for Automatic Lyrics Transcription of
Polyphonic Music [73.73045854068384]
本稿では,新ジャンルネットワークを用いたポリフォニック音楽の歌詞の書き起こしを提案する。
提案するネットワークは,事前学習されたモデルパラメータを採用し,階層間のジャンルアダプタを組み込んで,歌詞とジャンルのペアのジャンルの特色を抽出する。
実験の結果,提案するジャンル条件付きネットワークは既存の歌詞の書き起こしシステムよりも優れていた。
論文 参考訳（メタデータ） (2022-04-07T09:15:46Z) - Syllabic Quantity Patterns as Rhythmic Features for Latin Authorship
Attribution [74.27826764855911]
我々は、ラテン散文の計算的オーサシップ属性のタスクにおいて、リズミカルな特徴を導出する基盤として、音節量を用いる。
2つの異なる機械学習手法を用いて3つの異なるデータセットを用いて実験を行い、音節量に基づくリズム特徴がラテン散文の著者の識別に有用であることを示した。
論文 参考訳（メタデータ） (2021-10-27T06:25:31Z) - Addressing the confounds of accompaniments in singer identification [29.949390919663596]
我々は、ソース分離における最先端のパフォーマンスを備えたオープンソースツールであるopen-Unmixを用いて、ボーカルと楽器のトラックを分離する。
次に,歌手識別モデルを学習する2つの方法について検討する。
論文 参考訳（メタデータ） (2020-02-17T07:49:21Z)
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。