基于音乐信息检索与深度学习的长尾类型音乐流派智能分类架构研究
Research on Architecture for Long-tailed Genre Computer Intelligent Classification with Music Information Retrieval and Deep Learning
Gang Can Sun
Journal of Physics Conference Series · 2021-09-01
开放获取音乐与舞蹈被引 5影响因子 ≈0.5
摘要
本文提出了一种用于长尾且不平衡音乐流派分类的音乐注意力网络（Musical Attention Network, MAN）架构，这类问题在音乐信息检索领域虽较为普遍却常被忽视。该问题的核心挑战在于实现对长尾音乐流派的精准分类。受自然语言处理领域最新研究成果的启发，所提模型能够利用不同音乐流派间的关联来更有效地识别具有判别性的音频片段。大量实验结果表明，在大规模基准数据集上，该模型相较于其他音乐流派分类模型展现出显著的性能优势。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 本文针对音乐信息检索中普遍存在但常被忽视的长尾和不平衡音乐流派分类问题，提出了音乐注意力网络（MAN）架构。该模型受自然语言处理领域进展的启发，通过利用音乐流派间的相关性来更精准地识别音频中的信息片段，从而有效应对长尾音乐流派准确分类的挑战。
- 研究方法
- 研究借鉴了自然语言处理的最新进展，构建了音乐注意力网络（MAN）模型，通过挖掘和利用不同音乐流派之间的相关性来定位关键信息片段。同时，研究在大规模基准数据集上开展了全面的对比实验，以验证所提模型相较于其他流派分类模型的有效性。
- 学术贡献
- 本研究关注了音乐信息检索领域内普遍存在但长期被忽视的长尾分布与数据不平衡问题，为该挑战提供了有效的深度学习解决方案。实验证明，所提出的模型在大型基准数据集上取得了显著的分类性能提升，推动了长尾音乐流派分类技术的发展。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Music and Audio Processing