歌詞情報を用いた歌の感情抽出手法の提案 10871131 山田 彬 (灘本研究室) あらまし：本研究では楽曲の歌詞から感情語を抽出し，その楽曲がどの感情ベクトルを持っ ているか決定することを目的としている．具体的には歌詞中の単語と感情表現辞典の単語と を比較し，共通する単語の数により楽曲の感情ベクトルを決定する． 1.はじめに 3.予備実験 現在パソコン上で音楽の再生・管理をするソ フト「iTunes」や「Windows Media Player」な どの普及により，パソコンから手軽にダウンロ ードでき，歌を持ち運べるようになっている． 歌詞も同様にデジタルオーディオプレーヤーの 中に歌詞を入れて手軽に持ち運べるようになっ ている．また歌詞については「歌ネット」や 「うたまっぷ」のような歌詞サイトの普及によ り歌詞が重要視されつつあり，歌詞を詩や小説 のように読むことを目的とする人や歌詞の良さ を色々な人と共有する人が増えてきている[1]．し かしながら，現在楽曲を選択する際は，歌詞よ りもアーティストやメロディーで選択している のが事実であり，検索システムにおいてもアー ティストやメロディーでの検索しかなく，歌の 感情を用いた検索はない．そこで，本研究では， 歌詞から感情を示す言葉である感情語を抽出し， 中村明の提案する感情表現辞典[2]の単語と比較す ることにより歌詞の示す感情を求める手法を提 案する．これにより，アーティストやメロディ ーに偏らない，歌詞の持つ感情から歌を検索す ることが可能となる． 3.1 実験内容 歌詞の感情を仮決定するために予備実験を行 った．被験者 9 名（20 代男性 4 名，女性 5 名） で任意に選曲した楽曲 100 曲に対して，静かな 場所で 1 人の時に平常心を保って実験を行った． 被験者はまず歌詞を読み，次に歌詞が 10 次元の どの感情ベクトルを持っているか 1 つ選択する． 被験者が選択した感情ベクトル（以下，正解デ ータ）と提案手法が決定した感情ベクトルを比 較する． 3.2 感情ベクトルの除外 予備実験の結果，正解データにおいて「厭， 怖，怒，恥，驚」の 5 次元の感情ベクトルはほ ぼ無いことが判明した．よってこの 5 次元を除 外した「喜，好，安，哀，昂」の 5 次元で歌詞 の感情を決定することにする．正解データを閾 値 22%以上とし，提案手法が決定した感情ベクト ルの上位 2 位まで見たときの結果を表 1 に示す． 2.提案手法の概要 歌詞を形態素解析[3]をすることにより，単語の 原形を取得する．取得した単語の原形と感情表 現辞典の単語とを比較し共通の単語を抽出する． 抽出した単語を感情表現辞典の 10 次元の感情ベ クトル「喜，好，安，哀，厭，怖，怒，恥，昂， 驚」にそれぞれ振り分ける．感情語を一番多く 持つ感情ベクトルをその楽曲の感情とする． 歌 詞の単語（図 1 左図）と感情表現辞典の単語 （図 1 右図）とを比較する様子を図 1 に示す． 表 1.予備実験の結果 上位 2 位 適合率 再現率 F値 43% 45% 44% 3.3 提案手法の結果と予備実験の結果の比較 実験の結果は，適合率は 43%，再現率は 45%，F 値は 44%であった．全体的に抽出できた感情語が 少なく，図 2 のように提案手法では感情語を抽 出できなかった歌詞が存在した．この問題を解 決するために，感情表現辞典の拡張を行う． グロウアップ 100% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% 喜 好 安 哀 人 図 1.歌詞の単語と辞典の単語との比較例 誕生日 100% 昂 提案手法 喜 好 安 哀 人 昂 提案手法 図 2.被験者実験の結果と提案手法の結果の比較 語を抽出できなかった楽曲（図 2）があったが， 感情表現辞典を拡張したことによって図 4 のよ 予備実験により感情表現辞典の拡張の必要性 が判明した．そこで感情表現辞典の拡張を行う． うに感情語を抽出できるようになり，正解デー タとも一致した． 様々な拡張方法がある中で，歌詞には「出発」 を「たびだち」と読むように当て字が存在する ため，本研究では類語辞典を用いて拡張を行う． 100% グロウアップ 誕生日 100% Yahoo! 辞書の類語辞典「必携類語実用辞典」[4] 90% 90% 80% 80% を用いて感情表現辞典の全 1097 単語を 1 単語ず 70% 70% 60% 60% つ検索し，出力された類語を感情とは関係のな 50% 50% い単語を手作業で除外して辞典に登録し拡張す 40% 40% 30% 30% る．拡張の様子を図 3 に示す．拡張の結果は， 20% 20% 平均約 1.8 倍の拡張に成功した． 10% 10% 4.感情表現辞典の拡張 0% 0% 喜 好 安 哀 人 昂 提案手法 喜 好 安 哀 人 昂 提案手法 図 4. 拡張後の被験者実験結果と提案手法の結果の比較 感情表現辞典を拡張することによってＦ値を向 上させることができた．感情表現辞典の単語は 歌詞には使われない単語が多かったため，感情 表現辞典の一般的な用語への対応が必要である． 本研究では英文に対する感情の振り分けは行っ ておらず，英文を考慮する必要がある．さらに， 「晴れない」などの否定語は形態素解析時に 「晴れる」と「ない」に分割され，「晴れる」 のみが感情ベクトルに付与されるため，否定語 の考慮も必要である． 感情ベクトル 拡張前（個） 感情ベクトル 拡張後（個） 喜 231 喜 389 好 224 好 456 安 116 安 200 哀 250 哀 418 昂 276 昂 467 図 3.感情表現辞典の拡張 5 感情表現辞典拡張後の評価実験 5.1 実験内容 感情表現辞典の拡張を行った後，3 章と同様 の実験を行った．なお，正解データは 3 章の結 果を用いる．実験の結果を表 2 に示す． 表 2.予備実験の結果 上位 2 位 適合率 再現率 F値 41% 70% 51% 5.2 提案手法の結果と評価実験の結果の比較 実験の結果は，適合率は 41%，再現率は 70%， Ｆ値は 51%であった．3 章での予備実験では感情 6.おわりに 本研究では歌詞情報から感情表現辞典を基に 感情語を抽出し，歌詞がどの感情ベクトルを持 っているか決定した．予備実験を行ったことに よって「厭，怖，怒，恥，驚」の 5 次元の感情 ベクトルは歌詞において人が抱かない感情だと 判明した．さらに感情表現辞典の拡張を行った． 今後の課題は以下の通りである． ① 感情表現辞典の一般的な用語への対応 ② 否定語に対する感情語の振り分け ③ 状況によって変化する単語の考慮 ④ 英文への対応 参考文献 [1].オリコンエンタテインメント株式会社， “ORIGINAL CONGIDENCE”， オリコ ン・エンタテインメント， 平成 23 年 9 月 12 日号 [2].中村明，“感情表現辞典”，東京堂出版 [3].黒橋禎夫，河原大輔“日本語形態素解析シ ステム JUMAN”， <http://nlp.kuee.kyotou.ac.jp/nlresource/juman.html>，平成 21 年 9 月 [4].Yahoo! 辞書 類語辞典“必携 類語実用辞 典”，<http://dic.yahoo.co.jp/>
© Copyright 2024 Paperzz
