March 29, 2016

DopeLearning (KDD16) を読んだ.

http://www.kdd.org/kdd2016/subtopic/view/dopelearning-a-computational-approach-to-rap-lyrics-generation

KDDの論文をちゃんと読むのは初めてなのかも. (iPadでハイパー長文感想書いたのに投稿されていなかった…もう寝る)

ラップのLyricの生成タスクを定義して,音韻的な特徴を評価尺度として提案し,またそれに基づくIR的な手法によるLyric生成手法を提案した論文.

貢献

  • ラップの歌詞生成の情報検索的アプローチを提案.(他のテキスト生成タスクにも使えそう)
  • ラップの作詞生成タスクをLineを予測する問題として定式化.また意味的な類似度をとらえるために,RNNベースのモデルを利用した素性が有効だと示した.
  • 歌詞の技術的な質(すごさ,Dopeさ)を定量化する Rhyme Density を提案.実際のラッパーにより有効性を確認.
  • deepbeat.org でデモが公開されている.(ちゃんと動く. 著者グループはフィンランド人で,このシステムのデモ版では,英語・フィンランド語でLyricの生成ができる.)

手法

  • 歌詞はLineの連鎖だと定義
  • 前文脈が与えられたとき,つぎのLineを推薦する
  • 推薦のランク学習にはRankSVMを使う
  • 素性
    • 音韻的素性
    • 構造的素性(文字数ベース.長すぎると歌えないから,全体が同じような長さになるようにする.)
    • 意味的素性(BOW, LSA)
    • 意味的素性2 (Collobertと同様の単語RNN)
  • 尺度
    • 歌詞の質: Rhyme Density
    • 推薦の質: Rank, MRRなど

感想

タイトルに惹かれて読んだ. 脚注の解説やタスクへの取り組み,デモなど,ラップ愛が強くてよかった. 手法は堅実で効果もありそうだけど,それ自体は特にラップに特化したものではない.もう少し言語学的な特徴の議論があれば面白くなりそう. 一番の収穫は,Computational Creativityという面白そうな分野があることを知れたこと.あと,Helsinki大などフィンランドでKDDに通るところがあるというのを知って,留学したくなった.

©2011-2018 tuxedocat