이산 샘플을 사용한 인지된 음악 감정 분포 예측

일반적으로 자동 음악 감정 인식을 위한 기계 학습 모델은 음악 특징과 인지된 감정 값 간의 관계를 학습하도록 훈련됩니다. 그러나 훈련 단계에서 클립에 감정 값을 단순히 할당하는 것은 잘 작동하지 않습니다. 이는 클립의 인지된 감정이 사람마다 다르기 때문입니다. 이 문제를 해결하기 위해, 우리는 클립의 인지된 감정을 감정 평면에서 확률 분포로 나타내는 새로운 접근 방식을 제안합니다. 또한, 우리는 감정 평면의 이산 샘플에서 감정 질량을 추정하여 클립의 감정 분포를 예측하는 방법론을 개발합니다. 우리는 음악 감상에 대한 다양한 지각 차원을 통합하고 감정 지각의 모델링을 강화하기 위해 모델 융합 알고리즘을 개발합니다. 제안된 접근 방식의 효과는 광범위한 성능 연구를 통해 검증됩니다. 감정 예측에 대한 평균 R2 통계치는 0.5439에 달합니다. 우리는 또한 이 접근 방식이 음악 감정의 이해를 향상시키는 데 어떻게 적용될 수 있는지를 보여줍니다.