基于情感向量空间模型的歌词情感分析

被引：20

作者：

夏云庆 ^{[1
]}

杨莹 ^{[2
]}

张鹏洲 ^{[2
]}

刘宇飞 ^{[3
]}

机构：

[1] 清华大学信息技术研究院

[2] 中国传媒大学计算机学院

[3] 深圳大学电子科学与技术学院

来源：

中文信息学报 | 2010年 / 01期

关键词：

计算机应用; 中文信息处理; 文本情感分析; 情感向量空间模型; 情绪压力;

D O I：

暂无

中图分类号：

TP391.1 [文字信息处理];

学科分类号：

081203 ; 0835 ;

摘要：

音频信号在歌曲情感分析中难以奏效,所以该文提出以歌词作为歌曲情感分析的依据,采取基于情感单元的情感向量空间模型(s-VSM)进行歌词情感分析。该模型较好地解决了基于词汇的向量空间模型(w-VSM)在文本表示效率、歧义、情感功能和数据稀疏性等方面的不足。同时,该文将情感词词频与Thayer二维情感压力模型相结合,提出了"轻松"、"压抑"之外的"复杂"、"含蓄"两类新的情感压力类别。实验证明:(1)s-VSM模型在歌词情感分类中优于传统方法;(2)四类情感压力模型对歌词情感分析很有帮助。

引用

页码：99 / 103

页数：5

共 12 条

[1]

Sentiment Vector Space Model for Lyric-based Song Sentiment Classification. Y.Xia,,L.Wang,,K.-F.Wong,M.Xu. Proe.of ACL-08:HLT,Short Papers . 2008

[2]

http://nlg18.csie.ntu.edu.tw:8080/opinion/pub1.html .

[3]

HowNet and the Computation of Meaning. Dong Zhendong,Dong Qiang. . 2006

[4]

A re-examination of text categorization methods. Yang Yiming,Liu Xin. Proceedings of 22nd Annual International ACM SIGIR Conference on Research and Development in Information Retrieval (SIGIR’99) . 1999

[5]

[6]

A StatisticalDependency Parser of Chinese under Small TrainingData. J.Ma,Y.Zhang,T.Liu,S.Li. Proc.of IJCNLP-2004 . 1999

[7]

Learning to Classify Text Using Support Vector. T. Joachims. Machines: Methods, Theory, and Algorithms . 2002

[8]

The biopsychology of mood and arousal. Thayer,R.E. . 1989

[9]

A comparative study on feature selection in text categorization. Yiming Yang,Jan O Pedersen. Proceedings of the Fourteenth International Conference on Machine Learning (ICML’97) . 1997

[10]

Automatic mood detection and tracking of music audio signals. L.Lu,,D.Liu,H.Zhang. IEEE Transactions on Audio,Speech & Language Processing . 2006

← 1 2 →