基于多标签流形学习的中国古典音乐情感分析方法研究

Music emotion analysis plays an important role in many emotion-related music applications such as music recommendation and music therapy. However, most of the current researches in this area are focusing on the Western music, there are only few works designed for Chinese classical music. Actually, there are many differences between Chinese classical music and Western music in the aspects of traditional culture, social background, emotional tendentiousness, etc. As a result, the emotion models based on the Western music cannot be applied to Chinese classical music directly. In order to build emotion models for Chinese classical music, in this project, we conduct our research in the following three aspects: (1) emotion representation models of Chinese classical music; (2) feature spaces of Chinese classical music; (3) mapping between the music emotions and music features. Based on the three aspects, our project will propose: (1) the music emotion models based on discrete-continuous representation; (2) the music feature spaces based on the original time-frequency signal and isometric mapping; (3) the feature extraction algorithms based on multi-label manifold learning. This project aims to build a comprehensive and quantifiable analytic model to uncover the intrinsic relationship between Chinese classical music and the emotions it conveys, which has important scientific impact and practical application value.

音乐情感分析在与情感相关的音乐应用例如音乐推荐、音乐治疗中扮演着重要的角色。目前关于音乐情感分析的研究大多集中于西方音乐，而关于中国古典音乐的情感分析研究相对缺乏。事实上，由于中国古典音乐与西方音乐在传统文化、社会背景、情感倾向性等方面存在着差异，因而在西方音乐体系基础之上所建立的情感模型并不能直接应用到中国古典音乐的研究中来。为了针对中国古典音乐进行情感分析，本项目拟从以下三个方面展开研究：(1)中国古典音乐的情感表示模型；(2)中国古典音乐的特征空间；(3)音乐情感与音乐特征的映射关系。针对以上三个方面，本项目分别提出：(1)基于离散—连续表示的音乐情感模型；(2)基于原始时频信号与等距映射的音乐特征空间；(3)基于多标签流形学习的特征提取算法。本项目拟建立完备的、可量化的分析模型，从而揭示中国古典音乐与其所表达情感之间的内在联系，具有重要的科学意义与现实的应用价值。

音乐情感分析在与情感相关的音乐应用例如音乐推荐、音乐治疗中扮演着重要的角色。目前关于音乐情感分析的研究大多集中于西方音乐，而关于中国古典音乐的情感分析研究相对缺乏。事实上，由于中国古典音乐与西方音乐在传统文化、社会背景、情感倾向性等方面存在着差异，因而在西方音乐体系基础之上所建立的情感模型并不能直接应用到中国古典音乐的研究中来。为了针对中国古典音乐进行情感分析，本项目从以下三个方面开展了系统的研究：(1)中国古典音乐的情感表示模型；(2)中国古典音乐的特征空间；(3)音乐情感与音乐特征的映射关系。针对以上三个方面，本项目提出了：(1)音乐情感标签表征模型；(2)基于原始音乐信号的音乐特征空间；(3)基于多标签流形学习的特征提取算法。通过从以上三方面所获得的标签表征模型、信号特征空间、以及特征提取算法，本项目建立了完备的、可量化的计算模型，用以发掘中国古典音乐与其所表达情感之间的内在联系，并依此开展有针对性的音乐情感分类、基于情感的音乐标注与检索、音乐推荐等应用，具有重要的科学意义与现实的应用价值。本项目发表相关论文总计16篇，包括顶级期刊论文如IEEE Transactions on Cybernetics，IEEE Transactions on Neural Networks and Learning Systems等以及顶级会议论文如SIGIR，ACMMM，ICMR等。