音乐情绪辨识

音乐情绪辨识（Music Emotion Recognition）是借由分析音乐资讯，自动辨识音乐所要表达的情绪。音乐情绪辨识本身是个跨领域的研究，同时需要心理学、音乐学及资讯科学的知识。

常见的情绪辨识方法

基于音乐内容的音乐辨识系统

此类系统利用讯号处理以及机器学习演算法训练模型，对音乐抽取特征并加以分析，借此找出音乐特征与受测者对音乐情绪标示的关联。 以下列出最常使用的机器学习方法：

• Support vector machine(SVM)

借由寻找最佳分界平面将资料分开，如此一来便可以利用最佳分界平面将新的测试资料归类。

• Support Vector Regression(SVR)

SVR与SVM的概念类似。不同之处在于SVM所找的平面将空间一分为二，但SVR要找的是能准确预测资料分布的平面。 机器学习后，通常使用交叉验证来对准确度加以验证。交叉验证主要是将资料库随机分成数个不重叠的部分，每次提取一个部分做测试资料，剩馀的作为训练资料。其作法是基于：

• 训练资料与测试资料需有相同的性质
• 训练资料与测试资料不重复

而机器学习最常使用的流程如下：

1. 产生训练模型:将训练资料进行特征抽取，同时将所有训练资料交由受测者标定情绪，借由以上两者产生训练模型。
2. 测试资料:将测试资料进行特征抽取，交给训练模型进行情绪辨识，产生音乐情绪。

分类法

使用各种形容词当作情绪标签者称之。例如:有趣的(fun)、强烈的(intense)、甜蜜的(sweet)等。此法常用SVM作为机器学习的演算法，训练出一个或多个模型。

座标法

借由定义出二维或三维的情绪座标，将情绪展开成为平面或空间。

最常被使用的情绪平面是泰尔二维情绪平面，纵轴与横轴皆介于-1到1之间，其中纵轴为激昂度，越上方表情绪越激昂；横轴为正向度，越右方表情绪越正向。如此一来，每一首歌都可以被标示在情绪平面中。不同于分类法，座标法中的情绪是连续，此处选择的机器学习方法为SVR。

基于文字的音乐情绪辨识系统

除了使用分析音乐讯号的方法，还可以利用文字资讯以及资料探勘的技术对音乐情绪加以分析。

参见

• 情感控制论
• 情感设计
• 情感触觉论
• 聊天机器人
• 赛博情感（英语：CyberEmotions）
• 情感标记语言（EmotionML）
• Kismet
• 文本情感分析
• 可穿戴计算机

参考文献

1. P. N. Juslin and J. A. Sloboda. Music and Emotion: Theory and Research. Oxford University Press, New York, 2001.
2. A. Wieczorkowska, P. Synak, and Z. W. Ras. Multi-label classification of emotions in music. In Proc. Intelligent Information Processing and Web Mining, pp. 307-315, 2006.
3. L. Lu, D. Liu, and H. Zhang. Automatic mood detection and tracking of music audio signals. In IEEE Transaction Audio, Speech and Language Processing, vol. 14, no. 1, pp.5–18, 2006.
4. Y. -H. Yang, Y. -C. Lin, Y. -F. Su, and H.-H. Chen. A regression approach to music emotion recognition. In IEEE Transactions on Audio, Speech and Language Processing, vol. 16, no. 2, pp. 448–457, 2008.
5. R. O. Duda, P. E. Hart, and D. G. Stork. Pattern Classification. John Wiley & Sons, Inc., New York, 2000
6. R. W. Picard. Affective Computing. MIT Press, Cambridge, MA, 2000.
7. L. Lu, D. Liu, and H. -J Zhang. Automatic mood detection and tracking of music audio signals. In IEEE Transactions on Audio, Speech, and Language Processing, vol. 14, no. 1, 2006.
8. K. Hevner. Expression in music: a discussion of experimental studies and theories. In Psychol. Rev., vol. 42, pp. 186–204, 1935.