中文歌词的统计特征及其检索应用.pdfVIP

中文歌词的统计特征及其检索应用* 郑亚斌 刘知远 孙茂松 清华大学计算机科学与技术系，智能技术与系统国家重点实验室 北京 100084 {zhengyb06, zy-liu02}@mails.tsinghua.edu.cn sms@mail.tsinghua.edu.cn 摘要：我们在歌词上做了一些传统的自然语言处理相关的实验。大部分的歌曲都具有与其相匹配的歌词，歌词也 是歌曲语义上的重要表达，因此，对歌词的分析可以作为歌曲音频处理的互补。我们利用齐夫定律对歌词语料库 的字和词进行统计特征的考察，实验表明，其分布基本符合齐夫定律。利用向量空间模型的表示，我们可以找到 比较相似的歌词集合。另一方面，我们探讨了如何利用歌词中的时间标注信息进行进一步的分析，利用时间标注 信息可找到歌曲中重复的片段，并且可以对歌曲的节奏进行划分，初步的实验表明，我们的方法具有一定的效果。 关键字：歌词；齐夫定律；k-近邻；节奏 Statistical Features of Chinese Song Lyrics and its Application to Retrieval Zheng Yabin Liu Zhiyuan Sun Maosong State Key Lab of Intelligent Technology and Systems, Tsinghua University, BeiJing, 100084 Abstract: We report experiments on song lyrics based on standard natural language processing techniques. A significant amount of music songs have suited lyrics, which play a important role of the semantics of a song, therefore, analysis of lyrics may be a complement of acoustic methods. We investigate the lyrics corpus based on Zip’f Law using both character and word as a unit, results roughly obey Zip’f Law. Also, by the means of vector space model, we can find a set of lyrics that are similar to each other. Moreover, we discuss how to use the time annotation for further study; we can detect the repeated part of songs as well as categorization of rhythms. Preliminary experiment shows the effectiveness of our proposed method. Keyword: Song Lyrics; Zipf’s Law; k-NN; rhythm 1 前言 随着全球信息化进程的加快发展，Web 信息呈现出爆炸式增长的趋势，其中音频数据占一 定的比重，如何挖掘这些音频数据并使之服务于用户成为一个热门的研究方向[1, 2]。通过现有 的搜索引擎，例如Google、Baidu 等，人们可以利用歌手或者歌曲的名称挖掘出自己想要的音频 信息，但是我们更着重于考虑类似于协作性过滤的歌曲推荐系统，例如：用户喜欢听 X，也很 有可能喜欢听Y 这首歌，X 和Y 在音频上具有某种程度的相似性，已经有一些音频处理的技术 用来解决这方密的问题[3]。 而对于每一首歌来说，人们可能还会关心表达其语义的部分——歌词[4, 5]，和音频处理的 * 本文承国家自然科学基金(项目 和 60520130299) 的资助。 技术相比，在歌词上的处理有