論文の概要: Song Emotion Classification of Lyrics with Out-of-Domain Data under Label Scarcity

• arxiv url: http://arxiv.org/abs/2410.05778v1
• Date: Tue, 8 Oct 2024 07:58:15 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-01 12:49:50.825956
• Title: Song Emotion Classification of Lyrics with Out-of-Domain Data under Label Scarcity
• Title（参考訳）: ラベルスカルシティによる歌詞の韻律分類
• Authors: Jonathan Sakunkoo, Annabella Sakunkoo,
• Abstract要約: 歌詞に基づく感情分類のための,大規模で高品質なドメインデータセットが不足している。 大規模なRedditコメントデータセットに基づいてトレーニングされたCNNモデルは、歌詞の感情分類に満足なパフォーマンスと一般化性を実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Songs have been found to profoundly impact human emotions, with lyrics having significant power to stimulate emotional changes in the audience. There is a scarcity of large, high quality in-domain datasets for lyrics-based song emotion classification (Edmonds and Sedoc, 2021; Zhou, 2022). It has been noted that in-domain training datasets are often difficult to acquire (Zhang and Miao, 2023) and that label acquisition is often limited by cost, time, and other factors (Azad et al., 2018). We examine the novel usage of a large out-of-domain dataset as a creative solution to the challenge of training data scarcity in the emotional classification of song lyrics. We find that CNN models trained on a large Reddit comments dataset achieve satisfactory performance and generalizability to lyrical emotion classification, thus giving insights into and a promising possibility in leveraging large, publicly available out-of-domain datasets for domains whose in-domain data are lacking or costly to acquire.
• Abstract（参考訳）: 歌は人間の感情に大きな影響を与え、歌詞は聴衆の感情の変化を刺激する大きな力を持っている。 歌詞に基づく感情分類のための大きな高品質なドメインデータセットが不足している(Edmonds and Sedoc, 2021; Zhou, 2022)。 ドメイン内のトレーニングデータセットの取得が困難であること(ZhangとMiao、2023年)や、ラベル取得がコスト、時間、その他の要因によって制限されること(Azad et al、2018年)が指摘されている。 歌詞の感情的分類におけるデータ不足の訓練の課題に対する創造的解決策として,大規模なドメイン外データセットの新規使用について検討した。 大規模なRedditコメントデータセットでトレーニングされたCNNモデルは、歌詞の感情分類に満足できるパフォーマンスと一般化性を実現し、ドメイン内のデータが不足しているか、あるいは取得するのにコストがかかるドメインに対して、大規模でパブリックなドメイン外のデータセットを活用する上で、洞察と有望な可能性を提供する。

関連論文リスト

• Semi-Supervised Self-Learning Enhanced Music Emotion Recognition [6.315220462630698]
  音楽感情認識(MER)は、ある楽曲で伝達される感情を特定することを目的としている。 現在利用可能な公開データセットは、サンプルサイズが制限されている。 本稿では,正誤ラベル付きサンプルを自己学習方式で識別する半教師付き自己学習法を提案する。
  論文  参考訳（メタデータ） (2024-10-29T09:42:07Z)
• Detecting Synthetic Lyrics with Few-Shot Inference [5.448536338411993]
  高品質な合成歌詞の最初のデータセットをキュレートした。 LLM2Vecをベースとした、最も優れた数発の検出器は、スタイリスティックおよび統計的手法を超越しています。 本研究は,創造的コンテンツ検出のさらなる研究の必要性を強調する。
  論文  参考訳（メタデータ） (2024-06-21T15:19:21Z)
• 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)
• Tollywood Emotions: Annotation of Valence-Arousal in Telugu Song Lyrics [0.0]
  Spotifyから収集したTeluguの歌詞を手動で注釈付けしたデータセットを提示する。 2つの分類手法を用いて2つの音楽感情認識モデルを作成する。 データセットを、歌詞、アノテーション、Spotify IDで公開しています。
  論文  参考訳（メタデータ） (2023-03-16T14:47:52Z)
• Cross-domain Sentiment Classification in Spanish [18.563342761346608]
  商品レビューの大規模なデータベースで訓練された分類システムを用いて、異なるスペインドメインに一般化する能力について検討する。 結果として、これらの製品レビューをトレーニングすると、ドメイン間の一般化は実現可能であるが、非常に難しいことが示唆される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on Data-Driven Deep Learning [70.30713251031052]
  本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。 実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
  論文  参考訳（メタデータ） (2022-06-15T01:25:32Z)
• Robust wav2vec 2.0: Analyzing Domain Shift in Self-Supervised Pre-Training [67.71228426496013]
  事前トレーニング中にターゲットドメインデータを使用することで,さまざまなセットアップで大幅なパフォーマンス向上が期待できる。 複数のドメインで事前トレーニングを行うことで、トレーニング中に見られないドメインのパフォーマンスの一般化が向上します。
  論文  参考訳（メタデータ） (2021-04-02T12:53:15Z)
• Neural Network architectures to classify emotions in Indian Classical Music [0.0]
  JUMusEmoDBと呼ばれる新しいデータセットは、現在400のオーディオクリップ(それぞれ30秒)を持っている。 教師付き分類のために、我々は既存の4つの深層畳み込みニューラルネットワーク(CNN)ベースのアーキテクチャを使用した。 インド古典音楽の豊富なコーパスを用いたCNNに基づく分類アルゴリズムは,グローバルな視点においても独特である。
  論文  参考訳（メタデータ） (2021-02-01T03:41:25Z)
• Emotional Semantics-Preserved and Feature-Aligned CycleGAN for Visual Emotion Adaptation [85.20533077846606]
  教師なしドメイン適応(UDA)は、あるラベル付きソースドメインで訓練されたモデルを別のラベル付きターゲットドメインに転送する問題を研究する。 本稿では,感情分布学習と支配的感情分類の両面での視覚的感情分析におけるUDAに着目した。 本稿では,CycleEmotionGAN++と呼ばれる,エンドツーエンドのサイクル整合対向モデルを提案する。
  論文  参考訳（メタデータ） (2020-11-25T01:31:01Z)
• Melody-Conditioned Lyrics Generation with SeqGANs [81.2302502902865]
  本稿では,SeqGAN(Sequence Generative Adversarial Networks)に基づく,エンドツーエンドのメロディ条件付き歌詞生成システムを提案する。 入力条件が評価指標に悪影響を及ぼすことなく,ネットワークがより有意義な結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-10-28T02:35:40Z)

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。