×
艾托·阿隆特·阿尔瓦雷斯；哥梅斯·马丁，弗朗西斯科

民歌主题的分布式矢量表示。 （英语） Zbl 1456.00057号

玛丽亚娜·蒙蒂尔（编辑）等，《音乐中的数学和计算》。2019年6月18日至21日在西班牙马德里举行的第七届MCM国际会议，会议记录。查姆：斯普林格。莱克特。注释计算。科学。11502, 325-332 (2019).
摘要：本文提出了一种用于学习民歌主题的分布式矢量表示模型。使用带有负采样的word2vec的skip-gram版本来表示高质量嵌入。根据余弦相似性对埃森民歌收藏中的主题进行比较。提出了一种新的基于旋律相似性任务的嵌入质量评估方法，以展示向量空间如何表示复杂的上下文特征，以及如何将其用于民歌变异的研究。
有关整个系列，请参见[Zbl 1425.00082号].

引用于1文件

MSC公司：

00A65号 数学和音乐
92秒20 生物研究、人工生命和相关主题中的神经网络

关键词：

民歌主题；旋律语境；模体嵌入；单词2vec

软件：

音乐21；单词2vec
PDF格式BibTeX公司 XML格式引用
\textit｛A.Arronte Alvarez｝和\textit｛F.Gómez Martin｝，Lect。注释计算。科学。11502325--332（2019；Zbl 1456.00057）
全文： 内政部 arXiv公司

参考文献：

[1] Bengio，Y.，Ducharme，R.，Vincent，P.，Jauvin，C.：神经概率语言模型。J.马赫。学习。第3号决议（2月），1137-1155（2003年）·Zbl 1061.68157号
[2] Besson，M.，Schön，D.：语言和音乐的比较。纽约学院安。科学。930(1), 232-258 (2001) ·doi:10.1111/j.1749-6632.2001.tb05736.x
[3] Boom，C.D.等人：使用递归神经网络进行大规模用户建模，以在多个时间尺度上发现音乐。Multimed公司。工具应用程序。77, 15385-15407 (2017) ·doi:10.1007/s11042-017-5121-z
[4] Boulanger-Lewandowski，N.，Bengio，Y.，Vincent，P.：建模高维序列中的时间依赖性：应用于复调音乐的生成和转录。arXiv预印本arXiv：1206.6392（2012）
[5] Clark，S.：词汇意义的向量空间模型。摘自：Lappin，S.，Fox，C.（编辑）《当代语义理论手册》，第463-472页。Wiley-Blackwell，Hoboken（2015）
[6] Conklin，D.，Witten，I.H.：音乐预测的多视点系统。《新音乐研究杂志》24（1），51-73（1995）·doi:10.1080/09298219508570672
[7] Cuthbert，M.S.，Ariza，C.：Music21：计算机辅助音乐学和符号音乐数据的工具包。输入：ISMIR。荷兰乌得勒支（2010）
[8] Goldberg，Y.，Levy，O.：word2vec解释道：衍生了mikolov等人的负采样单词嵌入方法。arXiv预印arXiv:1402.3722（2014）
[9] 哈里斯，Z.S.：分布结构。单词10（2-3），146-162（1954）·doi:10.1080/00437956.1954.11659520
[10] Herremans，D.，Chuan，C.H.：用单词2vec模拟音乐背景。arXiv预印本arXiv:1706.09088（2017）
[11] Huang，C.Z.A.，Duvenaud，D.，Gajos，K.Z：弦乐：推荐和弦，帮助新手作曲家超越平凡。摘自：《第21届智能用户界面国际会议论文集》，第241-250页。ACM，Sonoma（2016）
[12] Janssen，B.，van Kranenburg，P.，Volk，A.：使用符号相似性度量来发现民歌中旋律片段的出现。《新音乐研究杂志》第46卷第2期，第118-134页（2017年）·doi:10.1080/09298215.2017.1316292
[13] Mikolov，T.，Chen，K.，Corrado，G.，Dean，J.：向量空间中单词表示的有效估计。arXiv预印本arXiv:1301.3781（2013）
[14] Mikolov，T.、Kopecky，J.、Burget，L.、Glembek，O.等：高度屈折语言的基于神经网络的语言模型。摘自：2009 IEEE声学、语音和信号处理国际会议，ICASSP 2009，第4725-4728页。IEEE，台北（2009）
[15] Mikolov，T.、Sutskever，I.、Chen，K.、Corrado，G.S.、Dean，J.：单词和短语的分布式表示及其组成。摘自：《神经信息处理系统进展》，第3111-3119页。内华达州塔霍湖（2013）
[16] Müllensiefen，D.，Frieler，K.等人：旋律相似性测量中的认知充分性：算法与人类判断。计算。《音乐学》13（2003），147-176（2004）
[17] Nettl，B.：一位民族音乐学家思考音乐声音和音乐文化的共性。收录：Brown，S.、Nils，L.、Wallin，B.M.（编辑）《音乐的起源》，第463-472页。麻省理工学院出版社，剑桥（2000）
[18] Rumelhart，D.E.，Hinton，G.E.，Williams，R.J.：通过反向传播错误学习表征。《自然》323（6088），533（1986）·Zbl 1369.68284号 ·doi:10.1038/323533a0
[19] Savage，P.E.，Brown，S.，Sakai，E.，Currie，T.E.：统计共性揭示了人类音乐的结构和功能。程序。美国国家科学院。科学。112（29），8987-8992（2015）·doi:10.1073/pnas.1414495112
[20] 沙夫拉斯，H.，休伦，D.：单调内核格式的埃森民歌集。技术报告，美国加州门洛帕克计算机辅助人文研究中心（1995年）
[21] 谢勒，D.K.，谢勒，P.H.：计算机测量民歌旋律变化的实验。《美国民俗杂志》84（332），230-241（1971）·doi:10.2307/538993
[22] Schnabel，T.、Labutov，I.、Mimno，D.、Joachims，T.：无监督单词嵌入的评估方法。摘自：《2015年自然语言处理实证方法会议记录》，第298-307页。葡萄牙里斯本（2015）
[23] Toiviainen，P.，Eerola，T.：基于多重表示和自组织映射的旋律相似性计算模型。摘自：第七届国际音乐感知与认知会议论文集，悉尼。Causal Productions，阿德莱德，第236-239页（2002年）
[24] Turny，P.D.，Pantel，P.：从频率到意义：语义的向量空间模型。J.阿蒂夫。智力。第37号决议、第141-188号决议（2010年）·Zbl 1185.68765号 ·数字对象标识代码：10.1613/jair.2934
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。