LSTM을 활용한 이별 가사 감정 분류 모델 연구

Metadata Downloads
Issued Date
With the development of the Internet and smart phones, the productivity of digital sound sources has improved, making it easier to access, and as a result, users are increasingly interested in music search and recommendation. The existing music recommendation system is a method of recommending music according to the user's situation, mood, and research has been conducted to classify emotions using only melodies such as pitch, tempo, and beat. However, in music, lyrics are one of the means of expressing human emotions, and the role is gradually increasing, and development has been made to expand the study of combining music and natural language processing (NLP). In addition, Naver 'Vibe' platform is based on audio-based music recommendation and content-based recommendation using deep learning.
In this study, we propose a parting lyrics emotion classification model that recommends lyrics of similar emotions by embedding the words of words through Word2Vec learning and recommending lyrics of similar emotions for recommending music that segmented emotions of farewell.
Alternative Title
Parting Lyrics Emotion Classification Model using LSTM
Alternative Author(s)
wonho Park
산업기술창업대학원 소프트웨어융합공학과
Awarded Date
2020. 8
Table Of Contents

Ⅰ. 서론 1
A. 연구 배경 및 목적 1
B. 연구 내용 및 구성 3

Ⅱ. 관련 연구 4
A. 감정 분류 모델 4
1. 심리학적 감정 분류 모델 4
2. 노래 감정 분류 모델 7
B. 이별 가사 감정 분류 방법 9
1. 이별 가사 감정 분류 9
2. Word2Vec 11
3. LSTM 12

Ⅲ. LSTM을 활용한 이별 가사 감정 분류 모델 13
A. 시스템 구성도 13
B. 이별 가사 감정 사전 구축 14
1. 데이터 수집 14
2. 이별 가사 감정 전처리 과정 15
3. Word2Vec을 활용한 감정 사전 구축 20
C. 이별 가사 감정 분류 모델 25
1. 단어 임베딩 25
2. LSTM을 활용한 감정 분류 모델 구축 27

Ⅳ. 실험 및 결과 30
A. 데이터 수집 30
B. 데이터 셋 33
C. 실험 평가 및 결과 분석 34
1. 실험 평가 방법 34
2. 실험 결과 분석 35

Ⅴ. 결론 및 향후연구 40

참고문헌 41
조선대학교 산업기술창업대학원
박원호. (2020). LSTM을 활용한 이별 가사 감정 분류 모델 연구
Appears in Collections:
Engineering > Theses(Master)(산업기술창업대학원)
Authorize & License
  • AuthorizeOpen
Files in This Item:

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.