歌詞による楽曲の印象分類 情報理工学部　情報知能学科 H207025　加藤 里奈

研究目的 人は音楽を聴いたとき、「明るい」「暗い」などの印象を 持つ 大きな要因：曲調 曲調と歌詞には関係性がある 人が楽曲から受ける印象を歌詞から推測できないだ ろうか

研究概要 アンケートによる楽曲のカテゴリ分類 歌詞中の単語による楽曲のカテゴリ分類の試み 歌詞中の単語の共起ネットワークによる楽曲の分析 歌詞中の係り受けによる楽曲の分析

楽曲の印象を尋ねる アンケートの実施 協力者： 方法： 18～28歳 男性52名 女性14名 合計66名 楽曲の印象を尋ねる アンケートの実施 協力者： 18～28歳　男性52名　女性14名　合計66名 方法： 各楽曲(計50曲)の題名・アーティスト名・出だしの歌詞を見て、 その楽曲の印象を7つから選ぶ 知らない楽曲の場合、出だしの歌詞だけを見て楽曲の印象 を推測をしない 提示した印象に当てはまらない場合は8、楽曲を知らない場 合は9を選択する

印象カテゴリ 印象カテゴリは7つとする 印象語を用いてユーザに適切な楽曲推薦を行うシス テム(市川ら，2006) 23種類の楽曲を表わす印象語でグループ化を行う 「印象語の数が多すぎて選ぶのに困る」という被験者の意見 があった 印象カテゴリ 「明るい」曲 「激しい」曲 「落ち着いた」曲 「リラックスできる」曲 「暗い」曲 「悲しい」曲 「軽快な」曲

分析対象 オリコンCD年間シングルランキング2007年の上位 50曲 アンケートを行う際に楽曲を知っていることが前提 アンケート協力者の大半を占める18～20歳が頻繁に音楽を 聴いていた年だと判断した

楽曲リスト

アンケート結果 知らないと回答した数が全回答の半数を占める 番号 印象カテゴリ 分類曲数 １ 「明るい」曲 15曲 ２ 「落ち着いた」曲 18曲 ３ 「暗い」曲 1曲 ４ 「軽快な」曲 8曲 ５ 「激しい」曲 6曲 ６ 「リラックスできる」曲 ７ 「悲しい」曲

単語のみで印象カテゴリに分ける 歌詞中に現れる単語で印象カテゴリに分ける KH Coderのコーディングを使用する コーディング テキストマイニングのためのフリーソフトウエア コーディング データをいくつかの種類に分類すること KH Coderでは、コーディングルールを記述すればこのルー ルに基づくコーディングを行う

コーディングルールの作成 コーディングルール：7つの印象語を類語辞典で引 いた結果 類語辞典：オンライン辞書サービス『Weblio類語辞 典』 ルールにある語が最も多く出現しているコードをそ の楽曲のコードとする

単語による分類結果 印象カテゴリ 分類曲数 「明るい」曲 0曲 45語 「落ち着いた」曲 8曲 41語 「暗い」曲 10曲 108語 コーディングルールの語数 「明るい」曲 0曲 45語 「落ち着いた」曲 8曲 41語 「暗い」曲 10曲 108語 「軽快な」曲 3曲 16語 「激しい」曲 5曲 185語 「リラックスできる」曲 1曲 51語 「悲しい」曲 6曲 50語 コードなし 26曲 --

アンケートとの比較 印象カテゴリ アンケート コーディング 適合 精度 再現率 「明るい」曲 15曲 0曲 - 「落ち着いた」曲 18曲 「落ち着いた」曲 18曲 8曲 4曲 0.5 0.2 「暗い」曲 1曲 10曲 0.1 1.0 「軽快な」曲 3曲 0.3 「激しい」曲 6曲 5曲 「リラックスできる」曲 「悲しい」曲

結果・評価 カテゴリに分けることができたのは半分 精度・再現率が低い 印象語によって歌詞をカテゴリに分けることは有効で はなさそう

アンケート結果を 共起ネットワーク図にする アンケート結果を 共起ネットワーク図にする アンケートで分類された楽曲の歌詞を、印象カテゴリ 毎に共起ネットワーク図に表わす KH Coderの共起ネットワークコマンドを使用 「明るい」、「落ち着いた」、「軽快な」、「激しい」 共起ネットワークとは 出現パターンの似通った語を線で結ぶ 線で結ばれた語は強い共起関係があるといえる 語が近くにあっても線で結ばれていなければ、共起関係があ るわけではない 色分けは自動で行うため、色に意味はない

作成した共起ネットワーク図より 共起ネットワーク上：約90語 すべての含まれる語：2語 3つのカテゴリに含まれる語：10語 2つのカテゴリに含まれる語：22語 同じ語が異なるカテゴリの歌詞に現れていることが多 い 語と語の繋がりはどうか

共起ネットワーク：語と語の繋がり 「落ち着いた」 「明るい」 「激しい」 「軽快な」

印象によって語間の繋がりが違う 共起関係を用いて各印象カテゴリの特徴ができる 数値化が困難 共起ネットワーク図の考察 印象によって語間の繋がりが違う 共起関係を用いて各印象カテゴリの特徴ができる 数値化が困難 係り受け解析

係り受け解析で特徴を調べる CaboCha(係り受け解析器)を用いて、各印象カテ ゴリの歌詞の係り受けを求め、頻度を出す 「明るい」「落ち着いた」「軽快な」「激しい」 使用する品詞：名詞・形容詞・副詞 「明るい」曲の頻度表 　　出現回数

頻度表を用いた分類方法 頻度表に含まれる係り受けが、分類したい楽曲の係 り受けに含まれていれば、ポイントを付ける ポイントは、頻度表を作った際の出現回数を使用した ポイントの最も高いカテゴリに楽曲を分類する

頻度表によるカテゴリ分けと アンケートによる印象の比較(1) 協力者：20～23歳　男性5名　女性5名　計10名 対象楽曲：頻度表を作る際に用いていない10曲 各楽曲(計10曲)を｢明るい｣｢落ち着いた｣｢激しい｣｢軽 快な｣｢該当なし｣の5つに分類してもらう

頻度表によるカテゴリ分けと アンケートによる印象の比較(2) タイトル アーティスト 印象：アンケート アンケートの一致率 印象：頻度表 ポイント TSUNAMI サザンオールスターズ 落ち着いた 0.9 明るい 3 SMILY 大塚愛 1 羞恥心 0.6 該当なし 桜坂 福山雅治 1.0 らいおんハート SMAP マツケンサンバ 松平健 軽快な キセキ GReeeeN 0.4 5 Jupiter 平原綾香 *~アスタリスク ~ オレンジレンジ 0.5 月光花 Janne Da Arc

考察 アンケートと係り受けによる分類結果の一致率：0.3 ポイントの高い楽曲は、アンケートの結果と異なって いる 歌詞を係り受け解析で印象カテゴリに分けることは難 しい

まとめ・課題 楽曲の歌詞だけで、印象カテゴリに分けることは困難 分析対象の追加 アンケート方法の再検討 知らない曲の軽減

ありがとうございました。

既研究 印象語のグループ化を用いた楽曲推薦システム 8つのジャンルごとにユーザが選んだ印象語に最適 な楽曲を推薦する 印象語は23種類 市川裕也、田村哲嗣、速水悟 8つのジャンルごとにユーザが選んだ印象語に最適 な楽曲を推薦する 印象語は23種類

KH Coderについて テキストマイニングのためのフリーソフトウエアで、さ まざまな日本語テキスト型データを計量的に分析する ことができる

英語の扱い KH Coderでは英語を未知語として扱う 日本語の楽曲の場合、英語表現は単語や短い文 これにより、英語は分析対象から外す 分析対象から外される 日本語の楽曲の場合、英語表現は単語や短い文 あまり意味をなさないことが多い これにより、英語は分析対象から外す

係り受けの頻度

共起ネットワーク図 KH Codreには5種類の色分けの設定がある サブグラフ検出 同じサブグラフに含まれる語は実線 互いに異なるサブグラフに含まれる語は波線 背景が白色で丸囲み枠が黒色の語は、ほかの語とグループ を形成していない 色分けは自動で行うため、色分けに意味はない

共起ネットワーク（2） 「落ち着いた」曲 「激しい」曲

共起ネットワーク（1） 「明るい」曲 「軽快な」曲