歌詞情緒分析

♬摘要

  傳統的情緒分析技術多侷限於「正向／負向」的二元分類，然而這種劃分難以捕捉音樂情緒的細膩層次。舉例而言，「憂鬱」與「放鬆」雖同屬低能量情緒，但在心理感受上卻截然不同；「熱血」與「憤怒」雖同屬高能量情緒，但在愉悅度上卻背道而馳。人類對音樂的感知是連續且多維的，單純的標籤分類已無法滿足現代音樂推薦系統的需求。此外，現今主流串流平台（如:Spotify, KKBOX）的「情緒歌單」標籤，多源自人工標註或用戶行為數據，代表的是聽眾對於「旋律、節奏、歌詞」的綜合聽感。

  為突破上述限制並精準量化歌詞情緒，我們採用李龍豪教授等人建置之「中文情緒維度資料集 (Chinese Valence-Arousal Words, CVAW & Phrases, CVAP)」作為訓練基底。在資料處理上，將「基礎詞彙」與「副詞+詞彙」的片語資料進行整合，增加資料，並以捕捉程度副詞對情緒強度的細微影響。鑑於原始資料僅包含 Valence (愉悅度) 與 Arousal (喚醒度) 的連續數值，因此我們依據 Russell 情緒環狀模型，將 VA 數值映射並新增 Q1~Q4 四大情緒象限標籤（Q1快樂、Q2憤怒、Q3悲傷、Q4平靜）。模型架構方面，我們選用 bert-base-chinese 預訓練模型進行微調 (Fine-tuning)。

♬動機

  音樂可以由旋律與歌詞構成。旋律能影響歌曲的聽覺感受，塑造節奏與氛圍；而文字則能透過語意與敘事傳達情感與故事。兩者皆為情緒表達的重要媒介，但相較於旋律的抽象感受，文字所蘊含的情緒更為具體與細膩，能更直接地揭示創作者的心理狀態與情感脈絡。因此透過文字內容分析歌曲情緒，不僅能更精準掌握音樂的情感傾向，也能作為後續自動化音樂生成的依據，使系統能根據語意情緒對應出適合的旋律與風格。