Music Mood Dataset Creation Based on Last.fm Tags

Tipo di pubblicazione: Articolo in atti di convegno
Tipologia MIUR: Contributo in Atti di Convegno (Proceeding) > Contributo in atti di convegno
Titolo: Music Mood Dataset Creation Based on Last.fm Tags
Autori: Çano, Erion; Morisio, Maurizio
Autori di ateneo:
Intervallo pagine: pp. 15-26
Tipo di referee: Esperti anonimi
Editore: AIRCC Publishing Corporation
ISBN: 978-1-921987-66-3
Volume: 7
Titolo del convegno: Fourth International Conference on Artificial Intelligence and Applications (AIAP 2017)
Luogo dell'evento: Vienna, Austria
Data dell'evento: 27-28 May 2017
Abstract: Music emotion recognition today is based on techniques that require high quality and large emotionally labeled sets of songs to train algorithms. Manual and professional annotations of songs are costly and hardly accomplished. There is a high need for datasets that are public, highly polarized, large in size and following popular emotion representation models. In this paper we present the steps we followed to create two such datasets using intelligence of last.fm community tags. In the first dataset, songs are categorized based on an emotion space of four clusters we adopted from literature observations. The second dataset discriminates between positive and negative songs only. We also observed that last.fm mood tags are biased towards positive emotions. This imbalance of tags was reflected in cluster sizes of the resulting datasets we obtained; they contain more positive songs than negative ones.
Data: 2017
Status: Pubblicato
Lingua della pubblicazione: Inglese
Parole chiave: user affect tags, semantic mood spaces, music sentiment analysis, ground-truth dataset, user affect tags, semantic mood spaces, music sentiment analysis, ground-truth dataset
Dipartimenti (originale): DAUIN - Dipartimento di Automatica Informatica
Dipartimenti: DAUIN - Dipartimento di Automatica e Informatica
URL correlate:
Area disciplinare: Area 09 - Ingegneria industriale e dell'informazione > SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI
Data di deposito: 01 Mag 2017 23:46
Data ultima modifica (IRIS): 07 Giu 2017 10:12:46
Data inserimento (PORTO): 09 Giu 2017 11:43
Numero Identificativo (DOI): 10.5121/csit.2017.70603
Permalink: http://porto.polito.it/id/eprint/2669975
Link resolver URL: Link resolver link

Allegati

[img]
Preview
PDF (ErionCanoMoodyLyrics2.pdf) - Postprint
Accesso al documento: Visibile (Ad accesso aperto)
Licenza: Pubblico - Tutti i diritti riservati.

Download (553Kb (566775 bytes)) | Preview

Azioni (richiesto il login)

Visualizza il documento (riservato amministratori) Visualizza il documento (riservato amministratori)

Statistiche sul Download degli allegati

Altre statistiche su questa pubblicazione...