歌詞情報を用いた歌の感情抽出手法の提案

歌詞情報を用いた歌の感情抽出手法の提案
10871131 山田 彬 (灘本研究室)
あらまし：本研究では楽曲の歌詞から感情語を抽出し，その楽曲がどの感情ベクトルを持っ
ているか決定することを目的としている．具体的には歌詞中の単語と感情表現辞典の単語と
を比較し，共通する単語の数により楽曲の感情ベクトルを決定する．
1.はじめに
3.予備実験
現在パソコン上で音楽の再生・管理をするソ
フト「iTunes」や「Windows Media Player」な
どの普及により，パソコンから手軽にダウンロ
ードでき，歌を持ち運べるようになっている．
歌詞も同様にデジタルオーディオプレーヤーの
中に歌詞を入れて手軽に持ち運べるようになっ
ている．また歌詞については「歌ネット」や
「うたまっぷ」のような歌詞サイトの普及によ
り歌詞が重要視されつつあり，歌詞を詩や小説
のように読むことを目的とする人や歌詞の良さ
を色々な人と共有する人が増えてきている[1]．し
かしながら，現在楽曲を選択する際は，歌詞よ
りもアーティストやメロディーで選択している
のが事実であり，検索システムにおいてもアー
ティストやメロディーでの検索しかなく，歌の
感情を用いた検索はない．そこで，本研究では，
歌詞から感情を示す言葉である感情語を抽出し，
中村明の提案する感情表現辞典[2]の単語と比較す
ることにより歌詞の示す感情を求める手法を提
案する．これにより，アーティストやメロディ
ーに偏らない，歌詞の持つ感情から歌を検索す
ることが可能となる．
3.1 実験内容
歌詞の感情を仮決定するために予備実験を行
った．被験者 9 名（20 代男性 4 名，女性 5 名）
で任意に選曲した楽曲 100 曲に対して，静かな
場所で 1 人の時に平常心を保って実験を行った．
被験者はまず歌詞を読み，次に歌詞が 10 次元の
どの感情ベクトルを持っているか 1 つ選択する．
被験者が選択した感情ベクトル（以下，正解デ
ータ）と提案手法が決定した感情ベクトルを比
較する．
3.2 感情ベクトルの除外
予備実験の結果，正解データにおいて「厭，
怖，怒，恥，驚」の 5 次元の感情ベクトルはほ
ぼ無いことが判明した．よってこの 5 次元を除
外した「喜，好，安，哀，昂」の 5 次元で歌詞
の感情を決定することにする．正解データを閾
値 22%以上とし，提案手法が決定した感情ベクト
ルの上位 2 位まで見たときの結果を表 1 に示す．
2.提案手法の概要
歌詞を形態素解析[3]をすることにより，単語の
原形を取得する．取得した単語の原形と感情表
現辞典の単語とを比較し共通の単語を抽出する．
抽出した単語を感情表現辞典の 10 次元の感情ベ
クトル「喜，好，安，哀，厭，怖，怒，恥，昂，
驚」にそれぞれ振り分ける．感情語を一番多く
持つ感情ベクトルをその楽曲の感情とする． 歌
詞の単語（図 1 左図）と感情表現辞典の単語
（図 1 右図）とを比較する様子を図 1 に示す．
表 1.予備実験の結果
上位 2 位
適合率
再現率
F値
43%
45%
44%
3.3 提案手法の結果と予備実験の結果の比較
実験の結果は，適合率は 43%，再現率は 45%，F
値は 44%であった．全体的に抽出できた感情語が
少なく，図 2 のように提案手法では感情語を抽
出できなかった歌詞が存在した．この問題を解
決するために，感情表現辞典の拡張を行う．
グロウアップ
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
喜
好
安
哀
人
図 1.歌詞の単語と辞典の単語との比較例
誕生日
100%
昂
提案手法
喜
好
安
哀
人
昂
提案手法
図 2.被験者実験の結果と提案手法の結果の比較
語を抽出できなかった楽曲（図 2）があったが，
感情表現辞典を拡張したことによって図 4 のよ
予備実験により感情表現辞典の拡張の必要性
が判明した．そこで感情表現辞典の拡張を行う． うに感情語を抽出できるようになり，正解デー
タとも一致した．
様々な拡張方法がある中で，歌詞には「出発」
を「たびだち」と読むように当て字が存在する
ため，本研究では類語辞典を用いて拡張を行う． 100%
グロウアップ
誕生日
100%
Yahoo! 辞書の類語辞典「必携類語実用辞典」[4]
90%
90%
80%
80%
を用いて感情表現辞典の全 1097 単語を 1 単語ず
70%
70%
60%
60%
つ検索し，出力された類語を感情とは関係のな
50%
50%
い単語を手作業で除外して辞典に登録し拡張す
40%
40%
30%
30%
る．拡張の様子を図 3 に示す．拡張の結果は，
20%
20%
平均約 1.8 倍の拡張に成功した．
10%
10%
4.感情表現辞典の拡張
0%
0%
喜
好
安
哀
人
昂
提案手法
喜
好
安
哀
人
昂
提案手法
図 4. 拡張後の被験者実験結果と提案手法の結果の比較
感情表現辞典を拡張することによってＦ値を向
上させることができた．感情表現辞典の単語は
歌詞には使われない単語が多かったため，感情
表現辞典の一般的な用語への対応が必要である．
本研究では英文に対する感情の振り分けは行っ
ておらず，英文を考慮する必要がある．さらに，
「晴れない」などの否定語は形態素解析時に
「晴れる」と「ない」に分割され，「晴れる」
のみが感情ベクトルに付与されるため，否定語
の考慮も必要である．
感情ベクトル
拡張前（個）
感情ベクトル
拡張後（個）
喜
231
喜
389
好
224
好
456
安
116
安
200
哀
250
哀
418
昂
276
昂
467
図 3.感情表現辞典の拡張
5 感情表現辞典拡張後の評価実験
5.1 実験内容
感情表現辞典の拡張を行った後，3 章と同様
の実験を行った．なお，正解データは 3 章の結
果を用いる．実験の結果を表 2 に示す．
表 2.予備実験の結果
上位 2 位
適合率
再現率
F値
41%
70%
51%
5.2 提案手法の結果と評価実験の結果の比較
実験の結果は，適合率は 41%，再現率は 70%，
Ｆ値は 51%であった．3 章での予備実験では感情
6.おわりに
本研究では歌詞情報から感情表現辞典を基に
感情語を抽出し，歌詞がどの感情ベクトルを持
っているか決定した．予備実験を行ったことに
よって「厭，怖，怒，恥，驚」の 5 次元の感情
ベクトルは歌詞において人が抱かない感情だと
判明した．さらに感情表現辞典の拡張を行った．
今後の課題は以下の通りである．
① 感情表現辞典の一般的な用語への対応
② 否定語に対する感情語の振り分け
③ 状況によって変化する単語の考慮
④ 英文への対応
参考文献
[1].オリコンエンタテインメント株式会社，
“ORIGINAL CONGIDENCE”， オリコ
ン・エンタテインメント， 平成 23 年 9 月 12
日号
[2].中村明，“感情表現辞典”，東京堂出版
[3].黒橋禎夫，河原大輔“日本語形態素解析シ
ステム JUMAN”，
<http://nlp.kuee.kyotou.ac.jp/nlresource/juman.html>，平成 21 年 9 月
[4].Yahoo! 辞書 類語辞典“必携 類語実用辞
典”，<http://dic.yahoo.co.jp/>