【WSDM2020】超越统计关系：将知识关系整合到多标签音乐风格分类的风格关联中（附pdf）

论文题目

Beyond Statistical Relations: Integrating Knowledge Relations into Style Correlations for Multi-Label Music Style Classification

论文摘要

自动标注每首歌曲的多种风格是各种音乐网站的综合应用。近年来，一些研究探索了回顾驱动的多标签音乐风格分类，并利用风格相关性来完成这项任务。然而，他们的方法侧重于挖掘不同音乐风格之间的统计关系，只考虑浅层风格关系。此外，由于某些音乐风格缺乏训练数据，这些统计关系也存在不适的问题。为了解决这些问题，我们提出了一个新的知识关系集成框架（KRF）来捕获完整的风格相关性，它根据外部知识和音乐风格之间的统计关系来共同挖掘音乐风格之间的内在关系。基于这两种类型的关系，我们使用图卷积网络自动学习风格之间的深层关联。实验结果表明，我们的框架明显优于最新的方法。进一步的研究表明，我们的框架可以有效地缓解不适问题，并学习有意义的风格相关性。

论文作者

Qianwen Ma, Chunyuan Yuan，来自中国科学院信息工程研究所，中国科学院大学网络安全学院。 Wei Zhou, Jizhong Han, Songlin HuWei Zhou、Jizhong Han、Songlin ，来自中国科学院信息工程研究所。