音樂情緒辨識

音樂情緒辨識（Music Emotion Recognition）是藉由分析音樂資訊，自動辨識音樂所要表達的情緒。音樂情緒辨識本身是個跨領域的研究，同時需要心理學、音樂學及資訊科學的知識。

常見的情緒辨識方法

基於音樂內容的音樂辨識系統

此類系統利用訊號處理以及機器學習演算法訓練模型，對音樂抽取特徵並加以分析，藉此找出音樂特徵與受測者對音樂情緒標示的關聯。 以下列出最常使用的機器學習方法：

• Support vector machine(SVM)

藉由尋找最佳分界平面將資料分開，如此一來便可以利用最佳分界平面將新的測試資料歸類。

• Support Vector Regression(SVR)

SVR與SVM的概念類似。不同之處在於SVM所找的平面將空間一分為二，但SVR要找的是能準確預測資料分布的平面。 機器學習後，通常使用交叉驗證來對準確度加以驗證。交叉驗證主要是將資料庫隨機分成數個不重疊的部分，每次提取一個部分做測試資料，剩餘的作為訓練資料。其作法是基於：

• 訓練資料與測試資料需有相同的性質
• 訓練資料與測試資料不重複

而機器學習最常使用的流程如下：

1. 產生訓練模型:將訓練資料進行特徵抽取，同時將所有訓練資料交由受測者標定情緒，藉由以上兩者產生訓練模型。
2. 測試資料:將測試資料進行特徵抽取，交給訓練模型進行情緒辨識，產生音樂情緒。

分類法

使用各種形容詞當作情緒標籤者稱之。例如:有趣的(fun)、強烈的(intense)、甜蜜的(sweet)等。此法常用SVM作為機器學習的演算法，訓練出一個或多個模型。

座標法

藉由定義出二維或三維的情緒座標，將情緒展開成為平面或空間。

最常被使用的情緒平面是泰爾二維情緒平面，縱軸與橫軸皆介於-1到1之間，其中縱軸為激昂度，越上方表情緒越激昂；橫軸為正向度，越右方表情緒越正向。如此一來，每一首歌都可以被標示在情緒平面中。不同於分類法，座標法中的情緒是連續，此處選擇的機器學習方法為SVR。

基於文字的音樂情緒辨識系統

除了使用分析音樂訊號的方法，還可以利用文字資訊以及資料探勘的技術對音樂情緒加以分析。

参见

• 情感控制论
• 情感设计
• 情感触觉论
• 聊天机器人
• 赛博情感（英语：CyberEmotions）
• 情感标记语言（EmotionML）
• Kismet
• 文本情感分析
• 可穿戴计算机

參考文獻

1. P. N. Juslin and J. A. Sloboda. Music and Emotion: Theory and Research. Oxford University Press, New York, 2001.
2. A. Wieczorkowska, P. Synak, and Z. W. Ras. Multi-label classification of emotions in music. In Proc. Intelligent Information Processing and Web Mining, pp. 307-315, 2006.
3. L. Lu, D. Liu, and H. Zhang. Automatic mood detection and tracking of music audio signals. In IEEE Transaction Audio, Speech and Language Processing, vol. 14, no. 1, pp.5–18, 2006.
4. Y. -H. Yang, Y. -C. Lin, Y. -F. Su, and H.-H. Chen. A regression approach to music emotion recognition. In IEEE Transactions on Audio, Speech and Language Processing, vol. 16, no. 2, pp. 448–457, 2008.
5. R. O. Duda, P. E. Hart, and D. G. Stork. Pattern Classification. John Wiley & Sons, Inc., New York, 2000
6. R. W. Picard. Affective Computing. MIT Press, Cambridge, MA, 2000.
7. L. Lu, D. Liu, and H. -J Zhang. Automatic mood detection and tracking of music audio signals. In IEEE Transactions on Audio, Speech, and Language Processing, vol. 14, no. 1, 2006.
8. K. Hevner. Expression in music: a discussion of experimental studies and theories. In Psychol. Rev., vol. 42, pp. 186–204, 1935.