論文の概要: Towards cross-cultural study of folksong lyrics with machine translation
- arxiv url: http://arxiv.org/abs/2610.05084v1
- Date: Sun, 04 Oct 2026 09:32:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 23:36:42.491714
- Title: Towards cross-cultural study of folksong lyrics with machine translation
- Title（参考訳）: 機械翻訳による民謡歌詞の異文化間研究に向けて
- Abstract要約: 5言語にまたがる歌詞コーパスと,事前学習したニューラルトピックモデルを組み合わせる。
各言語における内容と社会的機能の関係について検討し,結婚式の歌の言語間の比較を行った。
実験は、異文化間のフォークミュージックの歌詞分析への第一歩にすぎない。
- 参考スコア（独自算出の注目度）: 0.15330687026868078
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Music is universally present in human societies. Ethnomusicologists have long been documenting the diverse expressions of human musicality, and comparative musicology has recently brought several studies of folksong to a more global scale. Such cross-cultural research has not been conducted on lyrics: the language barrier has so far prevented work with multi-lingual data. However, Natural Language Processing (NLP) technologies have reached a stage where this language barrier may no longer be prohibitive. Combining folksong lyrics corpora across five languages, we machine-translate them to a pivot language with a pre-trained neural topic model, and we examine the relationship between content and social function within each language, and across languages for wedding songs. As expected, human evaluation of translation results shows that non-Indo-European languages suffer from overall worse translation quality. Experiments with topic models then indicate that the content of lyrics is at best partially related to the social function of folksongs across all languages. These experiments are just first steps into cross-cultural folk musics lyrics analysis; however, they do indicate that a previously unobserved web of cross-cultural relationships beyond ethnomusicological typologies may be uncovered through the study of what people sing across the world's diverse folk musics.
- Abstract（参考訳）: 音楽は人類社会に普遍的に存在している。
民族音楽学者は長い間、人間の音楽の多様な表現を文書化しており、比較音楽学は近年、人々の歌をよりグローバルな規模で研究している。
このような異文化間の研究は歌詞では行われていない。言語障壁は、これまで多言語データによる作業が妨げられてきた。
しかし、自然言語処理(NLP)技術は、この言語障壁がもはや禁止されない段階に達している。
5言語にまたがる歌詞コーパスを組み合わせることで,学習済みのニューラルトピックモデルを用いて,それらをピボット言語に機械翻訳し,各言語における内容と社会的機能,結婚式の歌の言語間の関係について検討する。
予想通り、人による翻訳結果の評価は、非インド・ヨーロッパ語が全体的な翻訳品質の悪化に悩まされていることを示している。
トピックモデルを用いた実験では、歌詞の内容は、特にすべての言語にまたがる人々の社会的機能と関係があることが示されている。
これらの実験は、異文化民族音楽の歌詞分析における第一歩にすぎないが、民族音楽学以外の異文化関係の網は、世界の様々な民俗音楽で人々が何を歌うかを研究することによって明らかになる可能性がある。
関連論文リスト
- Semantic Homogenization in Italian Popular Music: A Diachronic Analysis [0.242895619642998]
本研究は,サンレモ音楽祭第75回大会のファイナリスト全曲の歌詞に,同様の傾向が見られるかどうかを考察する。
時間とともに意味的類似性の変化を追跡するフレキシブルで効率的な方法論を開発する。
サンレモ・コーパスに適用すると、この枠組みは、以前の研究で特定されたグローバルなパターンを反映して、意味的均一性を高めるための段階的な動きを示す。
論文 参考訳（メタデータ） (2026-07-06T09:07:36Z) - GlobalMood: A cross-cultural benchmark for music emotion recognition [10.490374578193773]
「GlobalMood」は59か国から1180曲をサンプリングした異文化間ベンチマークデータセットである。
文化的に特定の音楽関連感情用語を抽出するためのボトムアップ・参加者主導のアプローチを実装した。
論文 参考訳（メタデータ） (2025-05-14T16:32:45Z) - Synthetic Lyrics Detection Across Languages and Genres [4.987546582439803]
音楽コンテンツ、特に歌詞を生成する大きな言語モデル(LLM)が人気を集めている。
これまで様々な領域におけるコンテンツ検出について研究されてきたが、音楽におけるテキストのモダリティ、歌詞に焦点を当てた研究は行われていない。
我々は、複数の言語、音楽ジャンル、アーティストのリアルとシンセサイザーの多様なデータセットをキュレートした。
既存の合成テキスト検出手法について,未探索のデータ型である歌詞に対して,徹底的に評価を行った。
音楽と産業の制約に従えば、これらのアプローチが言語全体にわたってどのように一般化され、データの可用性に配慮し、多言語言語コンテンツを処理し、数ショット設定で新しいジャンルで演奏するかを検討する。
論文 参考訳（メタデータ） (2024-06-21T15:19:21Z) - LyricWhiz: Robust Multilingual Zero-shot Lyrics Transcription by Whispering to ChatGPT [48.28624219567131]
リリックウィズ(LyricWhiz)は、頑健で、多言語で、ゼロショットの自動歌詞書き起こし方式である。
我々は、弱教師付き頑健な音声認識モデルであるWhisperと、今日の最もパフォーマンスの高いチャットベースの大規模言語モデルであるGPT-4を使用している。
実験の結果,LyricWhizは英語の既存手法に比べて単語誤り率を大幅に低下させることがわかった。
論文 参考訳（メタデータ） (2023-06-29T17:01:51Z) - Multi-lingual and Multi-cultural Figurative Language Understanding [69.47641938200817]
図形言語は人間のコミュニケーションに浸透するが、NLPでは比較的過小評価されている。
Hindi, Indonesian, Javanese, Kannada, Sundanese, Swahili, Yorubaの7つの多様な言語に関するデータセットを作成しました。
我々のデータセットから,各言語は,同じ領域から派生した言語間で最も高い重なり合いを持つ,図形表現の文化的・地域的概念に依存していることが明らかとなった。
全ての言語は、事前学習データと微調整データの可用性を反映した性能の変化により、英語と比較して大きな欠陥がある。
論文 参考訳（メタデータ） (2023-05-25T15:30:31Z) - Comparing Biases and the Impact of Multilingual Training across Multiple
Languages [70.84047257764405]
ダウンストリーム感情分析タスクにおいて,イタリア語,中国語,英語,ヘブライ語,スペイン語のバイアス分析を行う。
我々は、既存の感情バイアスのテンプレートを、人種、宗教、国籍、性別の4つの属性で、イタリア語、中国語、ヘブライ語、スペイン語に適応させる。
以上の結果から,各言語の文化に支配的な集団の嗜好など,バイアス表現の類似性を明らかにした。
論文 参考訳（メタデータ） (2023-05-18T18:15:07Z) - No Language Left Behind: Scaling Human-Centered Machine Translation [69.28110770760506]
低レベルの言語と高レベルの言語のパフォーマンスギャップを狭めるためのデータセットとモデルを作成します。
何千ものタスクをトレーニングしながらオーバーフィッティングに対処するために,複数のアーキテクチャとトレーニングの改善を提案する。
本モデルでは,従来の最先端技術と比較して,BLEUの44%の改善を実現している。
論文 参考訳（メタデータ） (2022-07-11T07:33:36Z) - Discovering Representation Sprachbund For Multilingual Pre-Training [139.05668687865688]
多言語事前学習モデルから言語表現を生成し、言語分析を行う。
すべての対象言語を複数のグループにクラスタリングし、表現のスプラックバンドとして各グループに名前を付ける。
言語間ベンチマークで実験を行い、強いベースラインと比較して大幅な改善が達成された。
論文 参考訳（メタデータ） (2021-09-01T09:32:06Z) - Modeling the Music Genre Perception across Language-Bound Cultures [10.223656553455003]
本研究では,言語横断・文化特化音楽ジャンルアノテーションの実現可能性について検討する。
教師なしの言語間音楽ジャンルのアノテーションは高い精度で実現可能であることを示す。
我々は,多言語事前学習型埋め込みモデルのベンチマークを行うために,新しいドメイン依存型言語間コーパスを導入する。
論文 参考訳（メタデータ） (2020-10-13T12:20:32Z) - Bridging Linguistic Typology and Multilingual Machine Translation with
Multi-View Language Representations [83.27475281544868]
特異ベクトル標準相関解析を用いて、各情報源からどのような情報が誘導されるかを調べる。
我々の表現は類型学を組み込み、言語関係と相関関係を強化する。
次に、多言語機械翻訳のための多視点言語ベクトル空間を利用して、競合する全体的な翻訳精度を実現する。
論文 参考訳（メタデータ） (2020-04-30T16:25:39Z)
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。