The work most closely related to ou

The work most closely related to ours is the combination
of audio and lyrics for emotion classification
in songs, as thoroughly surveyed in (Kim et al.,
2010). Although several methods have been proposed,
including a combination of textual features
and beats per minute and MPEG descriptors (Yang
and Lee, 2004); individual audio and text classifiers
for arousal and valence, followed by a combination
through meta-learning (Yang et al., 2008); and the
use of crowdsourcing labeling from Last.fm to collect
large datasets of songs annotated for emotions
(Laurier et al., 2008; Hu et al., 2009), all this previous
work was done at song level, and most of
it focused on valence-arousal classifications. None
of the previous methods considered the fine-grained
classification of emotions at line level, as we do, and
none of them considered the six Ekman emotions
used in our work.

Kết quả (Việt) 1:

Các công việc liên quan chặt chẽ nhất với chúng ta là sự kết hợpâm thanh và lời cho phân loại cảm xúctrong bài hát, như khảo sát kỹ lưỡng trong (Kim et al.,Năm 2010). mặc dù một số phương pháp đã được đề xuất,bao gồm một sự kết hợp các tính năng văn bảnvà nhịp mỗi phút và MPEG descriptor (Yangvà Lee, 2004); Máy phân loại âm thanh và văn bản cá nhânkích thích và hóa trị, theo sau là một sự kết hợpthông qua học tập siêu (Yang et al., 2008); và cácsử dụng crowdsourcing ghi nhãn từ Last.fm để thu thậplớn datasets bài hát chú thích cho cảm xúc(Laurier et al., năm 2008; Hồ et al., 2009), tất cả điều này trước đócông việc được thực hiện ở cấp độ bài hát, và hầu hếtnó tập trung vào phân loại kích thích valence. Không cótrong những phương pháp trước đó được coi là các hạt mịnphân loại các cảm xúc tại dòng cấp, như chúng tôi làm, vàkhông ai trong số họ được coi là những cảm xúc Ekman sáusử dụng trong công việc của chúng tôi.

Kết quả (Việt) 2:

Các công việc liên quan chặt chẽ nhất với chúng ta là sự kết hợp
của âm thanh và lời cho phân loại cảm xúc
trong bài hát, như khảo sát kỹ lưỡng trong (Kim et al.,
2010). Mặc dù một số phương pháp đã được đề xuất,
bao gồm một sự kết hợp của các tính năng văn bản
và nhịp mỗi phút và mô tả MPEG (Yang
và Lee, 2004); cá nhân âm thanh và văn bản phân loại
để kích thích và hóa trị, theo sau là một sự kết hợp
thông qua các meta-learning (Yang et al, 2008.); và
sử dụng các nhãn crowdsourcing từ Last.fm để thu thập
các tập dữ liệu lớn các bài hát chú thích cho những cảm xúc
(Laurier et al, 2008;.. Hu et al, 2009), tất cả trước đây
công việc đã được thực hiện ở cấp độ bài hát, và hầu hết trong
đó tập trung về phân loại hóa trị-hưng phấn. Không
những phương pháp trước đây được coi là hạt mịn
phân loại cảm xúc ở cấp dòng, như chúng ta làm, và
không ai trong số họ coi là sáu loại cảm xúc Ekman
được sử dụng trong công việc của chúng tôi.