智昕，周日貴

（上海海事大學信息工程學院，上海 201306)

0 引言

隨著互聯(lián)網(wǎng)在生活中的普及，人們的生活方式也發(fā)生了很大的變化。在閑暇時聽音樂是大部分人的選擇之一?，F(xiàn)在人們的音樂體驗逐步從之前的錄音磁帶和光盤唱片發(fā)展為數(shù)字音樂，數(shù)字音樂壓縮技術(shù)等多媒體技術(shù)得到了迅速發(fā)展，人們也因此可以獲得比傳統(tǒng)技術(shù)更加方便的途徑。到2017年，網(wǎng)絡(luò)音樂的用戶規(guī)模已經(jīng)突破3億，其應(yīng)用技術(shù)已經(jīng)成為互聯(lián)網(wǎng)的一個研究熱點。音樂是情感的一種表達載體，很多詞曲作者通過音樂表達和抒發(fā)自己的情感，可以說情感是音樂的本質(zhì)特征和內(nèi)涵。

傳統(tǒng)的音樂情感分析都是基于音頻的，通過音頻對音樂的情感傾向性進行分析的研究已經(jīng)有接近30年的歷史，很多專家學者已經(jīng)在這方面取得了很多卓越的成就。本文將對音樂的另一重要載體——歌詞進行分析研究。歌詞本質(zhì)上屬于文本，因此對歌詞進行情感傾向性分析研究本質(zhì)上是對文本進行情感傾向的分類。文本的最小構(gòu)成單位是詞語，對詞語的情感判別是對歌詞進行情感分析的基礎(chǔ)。本文針對一些傳播較廣的中文歌曲，構(gòu)建一部歌詞的領(lǐng)域情感詞典，來更好的對音樂進行情感分析。

1 相關(guān)工作

目前關(guān)于構(gòu)建情感詞典的研究工作已經(jīng)取得了一定的成果。要構(gòu)建一個相關(guān)領(lǐng)域的情感詞典，一方面需要對現(xiàn)有的相關(guān)資源進行整理與總結(jié)，另一方面要選取合適的算法進行相關(guān)領(lǐng)域的擴充。文本傾向性分析始于20世紀90年代，Mitchell P.Marcus和Beatrice Santorini[1]等構(gòu)建了一個基于手動標記的半自動構(gòu)建的Penn Treebank語料庫，其在速度、一致性和準確性上都優(yōu)于當時完全手動標記的語料庫；Hatzivassiloglou和McKeown[2]在收集了大規(guī)模語料集的基礎(chǔ)上，分析了形容詞的語義情感傾向受連詞的影響，來對詞語做情感傾向性的判斷，該方法用聚類的方法將詞匯聚成褒義或貶義，精確率最低的一組實驗也達到78%，得到了較為理想的分類效果。

國內(nèi)方面，目前比較權(quán)威的情感詞典有董振東開整理的知網(wǎng)HowNet情感詞典、臺灣大學NTUSD簡體中文情感詞典、情感詞匯本體庫以及清華大學李軍中文褒貶義詞典。近些年來隨著相關(guān)研究的深入，在對音樂歌詞和音樂評論的數(shù)據(jù)挖掘方面去取得了一定進展。蔣勝益、陽垚[3]等人在文獻提出一種基于改進后的Hevner情感模型環(huán)模型為基礎(chǔ)構(gòu)建的音樂領(lǐng)域的中文情感詞典，實現(xiàn)了歌詞的情感分類；夏云慶、楊瑩[4]等人采用基于情感單元的情感向量空間模型進行歌詞情感分析，實驗在表示效率、歧義、情感方面取得了較好的分析結(jié)果；Yunjing An[5]等人用樸素貝葉斯分類器對歌詞進行情感傾向分析，來實現(xiàn)歌詞情感傾向的分類；佘莉、夏虎[6]等人在文獻中根據(jù)Hevner情感環(huán)對Web文本信息中得到的音樂評論的情感傾向進行挖掘，進行情感詞的提取和識別。

2 算法描述

本文提出一個通過兩階段構(gòu)建領(lǐng)域情感詞典的構(gòu)建方法。第一階段利用現(xiàn)有的一些詞典資源包括知網(wǎng)HowNet情感詞典、情感詞匯本體庫以及清華大學李軍中文褒貶義詞典進行整理、去重，同時加入手動的標記的歌詞詞匯，構(gòu)建出一個針對歌詞的基準詞匯庫。第二階段通過計算情感詞間的點間互信息值（Semantic Orientation Pointwise Mutual Information,S0-PMI）的方法建立情感詞間的相似性矩陣，來得到語義間的相似度。然后根據(jù)情感詞出現(xiàn)的頻率來識別相關(guān)領(lǐng)域情感詞，從而確定目標詞的情感傾向來進行中文音樂情感詞典的擴充。本文實驗的整體過程如圖1所示。

圖1 情感詞典構(gòu)建流程

2.1 語料收集與文本預處理

歌詞通過網(wǎng)易云音樂的爬蟲程序?qū)⒅付↖D歌曲歌詞網(wǎng)頁數(shù)據(jù)進行抓取。目前很多網(wǎng)站都采取了反爬蟲機制如增加驗證碼、驗證滑塊等，為爬蟲程序獲取評論數(shù)據(jù)增加了難度。本文在爬取過程中對網(wǎng)易云音樂網(wǎng)站中的JavaScript請求數(shù)據(jù)進行解密，通過破解參數(shù)的加密方式來獲取請求的數(shù)據(jù)。

對爬取到的文本數(shù)據(jù)開始進行預處理工作，包括去除時間標注、去除非歌詞句子、對文本進行分詞、去除停用詞以及進行詞頻統(tǒng)計等。首先，使用正則表達式可以達到篩選歌詞去除噪音信息的目的。接著進行分詞操作，詞匯是語言中能夠獨立運用的最小的語言單位，是語言中的原子結(jié)構(gòu)，因此在提取出歌詞文本后，對歌詞進行分詞是情感傾向性分析的重要預處理步驟。本文采用Python的中文分詞組件jieba進行分詞，組件工具支持三種分詞模式：精確模式、全模式和搜索引擎模式。用jieba分詞組件可以將句子切分成分詞，也可以添加用戶自定義的詞庫加入分詞系統(tǒng)來達到更理想的分詞效果。將句子劃分成獨立的詞語后，最后對其中的停用詞進行過濾，停用詞通常是沒有實際含義的，一般是指在文本內(nèi)容中出現(xiàn)頻率較高的介詞、代詞、虛詞等一些與情感無關(guān)的字符。本文針對歌詞構(gòu)建了一個停用詞表，然后采用基于詞頻的方法將出現(xiàn)在文本中的停用詞去除，減少文本數(shù)據(jù)的冗余。最后將詞頻進行統(tǒng)計，提取高頻實詞構(gòu)成歌詞詞匯的語料庫。

2.2 相似度計算

對2.1節(jié)中的歌詞詞匯語料庫與手動整理得到的基準詞匯庫之間的語義相似度可以采用互信息的方法計算得到，它是用來度量兩個隨機變量之間的關(guān)聯(lián)性，對任意兩個變量，它們之間的互信息的定義如公式（1）所示，從而確定目標詞的情感傾向來進行情感詞典的擴充。

其中，P（x）表示變量 x出現(xiàn)的概率，P（x│y）表示在變量y出現(xiàn)的情況下出現(xiàn)變量x的概率。當MI（x,y）的結(jié)果越小，表明變量x和變量y越不相關(guān)，當值取0時，兩者之間是相互獨立的；反之，MI（x,y）的結(jié)果越大，表明兩者之間的關(guān)聯(lián)程度越高。

在本文中，情感詞典的擴充采用點間互信息（S0-PMI）來計算語義的相似度從而確定目標詞的情感傾向。分為以下幾個步驟：首先選取基準詞中一組傾向性非常明顯的褒義詞與貶義詞，分別用{PosWords1,PosWords2,…}與{NegWords1,NegWords 2,…}來表示；然后對每一個目標詞wordi，分別與PosWord和NegWord求互信息值然后做差；最后根據(jù)差值就可以得到目標詞wordi的情感傾向，表示形式如公式（2）所示：

其中，PMI(wordi,wordj)表示兩個詞語的點間互信息，如公式（3）所示：

2.3 歌詞文本的情感向量

本文采用網(wǎng)易云音樂歌單中情感分類的13種情感類別作為音樂的情感特征向量，分別是“懷舊”、“清新”、“浪漫”、“性感”、“傷感”、“治愈”、“放松”、“孤獨”、“感動”、“興奮”、“快樂”、“安靜”和“思念”，該特征向量用于度量音樂和每類情感的語義間相似關(guān)系。則每一首音樂的歌詞情感特征向量表示為公式（4）所示：

其中，Ek表示情感向量中第k維的值；wordi表示一首歌詞的第i個單詞；Dwordk,j表示所構(gòu)建情感詞典中第k維情感子類中的第j個詞匯；bool(wordi,Dwordk,j)為判定兩個單詞是否是同一類別詞匯的函數(shù)，是則取值為1，否則取值為0；Pi,j表示兩個詞之間的相似程度，即3.2節(jié)中計算的得到的互信息值；S表示這篇歌詞經(jīng)過分詞和去除停用詞后得到的詞語總數(shù)。通過對每首歌詞計算特征情感向量，將歌詞情感表達的語義信息進行量化，進一步進行歌詞情感分析。

2.4 歌詞情感分析

本文采用分級累加的方式計算歌詞的情感傾向值。將文本表示為四元組O（W,P,F,E），其中W,P,F,E分別表示程度副詞、情感傾向、情感詞詞性和增強因子，歌詞的情感傾向值為每一分句歌詞情感傾向值的和。對兩個詞語w1和w2，假設(shè)其分別有x1,x2,...,xn和y1,y2,...,ym個概念，則w1和w2的相似度為各個概念的相似度的最大值，公式（5）如下所示：

其中，Sim(xi,yj)表示兩個概念義原的計算公式，其計算方法如公式所示：

其中，α為可調(diào)節(jié)參數(shù)變量，d表示xi和yj兩個義原項在義原層次體系中的距離，可以根據(jù)詞匯語義相似度計算得到。

對于一個詞語W，分別將其與情感詞典中的種子詞進行比較，得到其情感傾向值，對比情感值之間的均差，就可以得到詞語W的情感傾向值，計算公式（7）如下所示：

其中，pi和nj分別表情情感詞典中的每個情感類別種子詞，最終根據(jù)得到的情感傾向結(jié)果進行分類。

3 實驗結(jié)果及分析

本文選取網(wǎng)易云音樂中情感類別中收聽量和熱度較高的193首中文歌曲作為情感分析的對象，每個類別標簽下約15首歌。這些歌曲具有代表性情感表達較為鮮明，結(jié)合本文構(gòu)建的音樂情感詞典對每個標簽類別下的歌詞進行情感傾向性分析后，分別得到對應(yīng)的分類結(jié)果，如表1所示。

表1 歌詞情感傾向性分類結(jié)果

從情感分析結(jié)果的度量值可以看出，本文實驗基于音樂情感詞典的歌詞情感分類的平均準確率為73.6%，召回率為77.6%，F(xiàn)值為75%，其中浪漫、傷感和快樂等類別的分類效果較好，一定程度上反映出本文所構(gòu)建的針對音樂的領(lǐng)域情感詞典具有較好的分類性能，能夠比較準確地概括音樂詞典情感子類的情感特征。同時可以看出懷念、孤獨等類別的歌詞判定結(jié)果不夠理想，可能由以下兩個原因：情感分類標簽和歌詞情感分析，情感分類標簽是網(wǎng)易云音樂自設(shè)的情感分類標準，本文在進行分析時歌詞所分析得到的結(jié)果并不與分類標簽完全一致造成分類結(jié)果不理想；在進行歌詞情感分析時，語義相似度由義原層次體系中的距離決定，對本文中歌詞的分類效果存在一定影響。

4 結(jié)語

本文針對中文歌詞，提出一種音樂情感詞典的構(gòu)建模型，該模型借助點間互信息相似度的計算方法進行基礎(chǔ)詞匯的擴充、網(wǎng)易云音樂的分類標簽構(gòu)建歌詞文本情感向量，對中文歌詞進行情感分類，取得了較為理想的分類效果。同時，本文在進行文本的情感傾向性分析時對上下文的語義間的影響考慮并不完整，且只是單方面關(guān)注了歌曲的文本部分，今后還需要協(xié)同音頻進行分析，從而更加全面地對歌曲情感進行分析和判定。