摘 要 音樂作為生活中必不可少的情感表達(dá)和寄托的工具，如何將其進(jìn)行更好的分類，成為研究的熱門話題。本文根據(jù)音樂數(shù)據(jù)本身上下文的相關(guān)性，提出基于雙向長短時(shí)記憶網(wǎng)絡(luò)的音樂情感識(shí)別模型，同時(shí)改善了基于傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的識(shí)別模型因手工提取特征導(dǎo)致識(shí)別率不高的問題。

關(guān)鍵詞 音樂情感識(shí)別;深度學(xué)習(xí);BILSTM

引言

音樂在人們的日常生活中扮演者重要的角色，數(shù)字音樂的快速增長使得音樂信息檢索技術(shù)迅速發(fā)展，音樂情感識(shí)別的研究逐漸成為熱點(diǎn)。

音樂情感識(shí)別研究主要有音樂特征提取和情感識(shí)別模型兩大方向，主要基于純音頻分析[1]、純文本分析[2]和文本音頻相結(jié)合[3]的研究方式。由于音樂的低層次特征很難對(duì)情感有準(zhǔn)確的表達(dá)，所以將深度學(xué)習(xí)應(yīng)用到音樂情感識(shí)別，以解決手動(dòng)提取特征識(shí)別率不高的問題。本文采用深度學(xué)習(xí)中的BILSTM構(gòu)建音樂情感識(shí)別模型。

1情感模型

在音樂情感識(shí)別研究中廣泛應(yīng)用的有離散類別情感模型和連續(xù)型情感模型兩個(gè)大類別。離散型情感模型中具有代表性的是Hevner 情感模型[4]，連續(xù)型情感模型中具有代表性的是Thayer二維情感表示模型[5]。本文根據(jù)數(shù)據(jù)集的特點(diǎn)和研究的可行性進(jìn)行綜合衡量，采用離散型的情感模型，將情感類別劃分為平靜，快樂，悲傷，憤怒和可怕五類構(gòu)建情感模型。

2BILSTM神經(jīng)網(wǎng)絡(luò)

BILSTM即雙向LSTM。為了解決RNN在訓(xùn)練過程中經(jīng)常出現(xiàn)梯度消失和梯度爆炸，研究人員專門設(shè)計(jì)出LSTM網(wǎng)絡(luò)。由于音頻數(shù)據(jù)的高相關(guān)性，并且音樂情感不僅和它之后的數(shù)據(jù)相關(guān)，也和它之前的數(shù)據(jù)相關(guān)，而LSTM網(wǎng)絡(luò)結(jié)構(gòu)只能單向性的對(duì)音頻特征進(jìn)行提取，所以本文采用BILSTM神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，雙向LSTM采用正向特征提取和反向特征提取相結(jié)合的方式，對(duì)音頻數(shù)據(jù)進(jìn)行處理，使得提取的特征更加的健壯和全面，提高音樂情感是識(shí)別的準(zhǔn)確率。

3識(shí)別模型

3.1 數(shù)據(jù)集

本文所用到的數(shù)據(jù)來自賴爾森（Ryerson）情感言語和歌曲視聽數(shù)據(jù)庫（RAVDESS），包含1012首歌曲文件，每個(gè)文件都有標(biāo)記好的情感。每個(gè)文件都由模態(tài)、人聲通道、情感、情緒強(qiáng)度、聲明、重復(fù)和演員這7個(gè)標(biāo)識(shí)符唯一命名。

3.2 特征提取

梅爾倒譜系數(shù)特征（MFCC）提取過程為：首先對(duì)音樂信號(hào)進(jìn)行預(yù)加重處理，然后對(duì)其進(jìn)行加窗分幀處理以提取短時(shí)特征。音樂的片段一幀信號(hào)一般在10ms～30ms時(shí)間內(nèi)，這是由音樂信號(hào)的短時(shí)平穩(wěn)性特征決定的，用一幀信號(hào)的特征來表征其短時(shí)特征，就是用有限長度的可移動(dòng)窗口對(duì)音樂信號(hào)進(jìn)行截取，常用的窗口包括矩形窗、漢寧窗、漢明窗等，這就是加窗分幀的方法，表達(dá)式如下：

3.3 識(shí)別過程

基于BILSTM的音樂情感識(shí)別模型如圖1 所示。

首先依據(jù)音樂情感模型建立訓(xùn)練集和測試集，對(duì)音樂數(shù)據(jù)先進(jìn)行預(yù)處理，然后特征提取，將訓(xùn)練數(shù)據(jù)的特征作為原始輸入輸入到BILSTM網(wǎng)絡(luò)中，通過多次迭代訓(xùn)練模型，然后將經(jīng)過相同的預(yù)處理和特征提取后的測試數(shù)據(jù)，輸入構(gòu)建好的分類模型中，得出分類結(jié)果。

4結(jié)束語

傳統(tǒng)的基于機(jī)器學(xué)習(xí)的音樂情感識(shí)別存在一定的局限性，導(dǎo)致識(shí)別準(zhǔn)確率并不理想。伴隨著機(jī)器學(xué)習(xí)的快速發(fā)展，深度學(xué)習(xí)逐漸進(jìn)入研究者的領(lǐng)域，本文基于深度學(xué)習(xí)的強(qiáng)大的特征提取能力，結(jié)合音頻數(shù)據(jù)高上下文相關(guān)性的特點(diǎn)，構(gòu)建了BILSTM音樂情感識(shí)別模型，理論上能獲得更好的識(shí)別準(zhǔn)確率，有一定的研究價(jià)值和意義。

參考文獻(xiàn)

[1] 蔡宸.基于音頻信號(hào)處理的音樂情感分類的研究[D].北京：北京郵電大學(xué)，2017.

[2] 王潔，朱貝貝.面向中文歌詞的音樂情感分類方法[J].計(jì)算機(jī)系統(tǒng)應(yīng)用，2019，28（8）：24-29.

[3] 陳煒亮.音頻文本混合的歌曲深度情感識(shí)別[D].合肥：合肥工業(yè)大學(xué)，2017.

[4] K. Hevner. Experimental studies of the elements of expression in music[J]. American Journal of Psychology，1936，48（2）：246-268.

[5] R. Thayer.The biopsychology of mood and arousal[M]. Oxford University Press，1989：71.

作者簡介

商銘娟（1995-），女，河北省人;畢業(yè)院校：北京物資學(xué)院，專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)，學(xué)歷：碩士，現(xiàn)就職單位：北京物資學(xué)院，研究方向：計(jì)算機(jī)應(yīng)用技術(shù)。