論文の概要: Language models for longitudinal analysis of abusive content in Billboard Music Charts

• arxiv url: http://arxiv.org/abs/2510.06266v1
• Date: Mon, 06 Oct 2025 01:59:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.079177
• Title: Language models for longitudinal analysis of abusive content in Billboard Music Charts
• Title（参考訳）: ビルボード音楽チャートにおける乱用内容の経時的分析のための言語モデル
• Authors: Rohitash Chandra, Yathin Suresh, Divyansh Raj Sinha, Sanchit Jindal,
• Abstract要約: 我々は過去70年間、アメリカのBillboard Chartsから歌(歌詞)を分析してきた。 その結果、1990年以降のポピュラー音楽における明確な内容の顕著な増加が示されている。 プロファン、性的に明示的で、そうでなければ不適切な言語を含む歌詞を持つ歌の流行が高まる。
• 参考スコア（独自算出の注目度）: 3.2654923574107357
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: There is no doubt that there has been a drastic increase in abusive and sexually explicit content in music, particularly in Billboard Music Charts. However, there is a lack of studies that validate the trend for effective policy development, as such content has harmful behavioural changes in children and youths. In this study, we utilise deep learning methods to analyse songs (lyrics) from Billboard Charts of the United States in the last seven decades. We provide a longitudinal study using deep learning and language models and review the evolution of content using sentiment analysis and abuse detection, including sexually explicit content. Our results show a significant rise in explicit content in popular music from 1990 onwards. Furthermore, we find an increasing prevalence of songs with lyrics containing profane, sexually explicit, and otherwise inappropriate language. The longitudinal analysis of the ability of language models to capture nuanced patterns in lyrical content, reflecting shifts in societal norms and language use over time.
• Abstract（参考訳）: 特にビルボード・ミュージック・チャート(Billboard Music Charts)では、虐待的かつ性的に露骨な音楽コンテンツが大幅に増加したことは疑いない。 しかし、子どもや若者に有害な行動変化があるため、効果的な政策展開の傾向を検証する研究は乏しい。 本研究では,過去70年間に米国ビルボードチャートから楽曲(歌詞)を分析するためのディープラーニング手法を利用した。 ディープラーニングと言語モデルを用いた縦断的研究を行い、感情分析と乱用検出を用いて、性的に明示的な内容を含むコンテンツの進化をレビューする。 以上の結果から,1990年以降のポピュラー音楽における明示的な内容の顕著な増加が示唆された。 さらに, 韻文, 性的明示性, その他の不適切な言語を含む歌詞が出現する傾向がみられた。 言語モデルが歌詞内容のニュアンスパターンを捉える能力の経時的分析は、社会規範や言語使用の経時変化を反映している。

関連論文リスト

• Disc-Cover Complexity Trends in Music Illustrations from Sinatra to Swift [51.70874799858211]
  アルバムカバーの視覚的複雑さについて検討し,75年間,11種類のポピュラー音楽ジャンルについて検討した。 我々の分析は、例外を除いて、ほとんどのジャンルでミニマリズムへの幅広いシフトを明らかにしている。 同時に、時間とともに変化するばらつきを観察し、多くのカバーは高いレベルの抽象化と複雑さを示し続けています。
  論文  参考訳（メタデータ） (2025-10-01T15:01:25Z)
• 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)
• ReDDIT: Regret Detection and Domain Identification from Text [62.997667081978825]
  本稿では,Redditテキストのデータセットを,Regret by Action,Regret by Inaction,No Regretの3つのクラスに分類した。 以上の結果から,Reddit利用者は過去の行動,特に関係領域における後悔を表明しがちであることがわかった。
  論文  参考訳（メタデータ） (2022-12-14T23:41:57Z)
• Large scale analysis of gender bias and sexism in song lyrics [3.437656066916039]
  我々は,手動で注釈付けされたポピュラーソングの小さなサンプルを用いて,以前の研究よりも大規模な性差別的な歌詞を同定した。 性差別的なコンテンツは、特に男性アーティストやBillboardチャートに掲載されている人気曲から、時間とともに増えていくだろう。 これは、このタイプの最初の大規模分析であり、大衆文化のそのような影響力のある部分における言語使用に関する洞察を与えている。
  論文  参考訳（メタデータ） (2022-08-03T13:18:42Z)
• VidLanKD: Improving Language Understanding via Video-Distilled Knowledge Transfer [76.3906723777229]
  言語理解を改善するためのビデオ言語知識蒸留法VidLanKDを提案する。 我々は、ビデオテキストデータセット上でマルチモーダル教師モデルを訓練し、その知識をテキストデータセットを用いて学生言語モデルに伝達する。 我々の実験では、VidLanKDはテキストのみの言語モデルや発声モデルよりも一貫した改善を実現している。
  論文  参考訳（メタデータ） (2021-07-06T15:41:32Z)
• What's in the Box? An Analysis of Undesirable Content in the Common Crawl Corpus [77.34726150561087]
  言語モデルの訓練に広く使用されるコロッサルwebコーパスであるcommon crawlを分析した。 ヘイトスピーチや性的明示的なコンテンツなど、フィルタリング処理後も、好ましくないコンテンツがかなりの量含まれていることがわかりました。
  論文  参考訳（メタデータ） (2021-05-06T14:49:43Z)

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。