Abstrakt
In this work we present a new Bayesian topic model: latent hierarchical Pitman-Yor process allocation (LHPYA), which uses hierarchical Pitman-Yor pr ocess priors for both word and topic distributions, and generalizes a few of the existing topic models, including the latent Dirichlet allocation (LDA), the bi- gram topic model and the hierarchical Pitman-Yor topic model. Using such priors allows for integration of -grams with a topic model, while smoothing them with the state-of-the-art method. Our model is evaluated by measuring its perplexity on a dataset of musical genre and harmony annotations 3GenreDatabase (3GDB) andbymeasuringitsabilitytopredictmusicalgenrefromchord sequences. In terms of perplexit y, for a 262-chord dictionary we achieve a value of 2.74, compared to 18.05 for trigrams and 7.73 for a unigram topic model. In terms of genre prediction accuracy with 9 genres, the proposed approach performs about 33% better in relative terms than genre-dependent -grams, ac hieving 60.4% of accuracy.
Cytowania
-
1
CrossRef
-
0
Web of Science
-
1
Scopus
Autorzy (2)
Cytuj jako
Pełna treść
pełna treść publikacji nie jest dostępna w portalu
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuł w czasopiśmie wyróżnionym w JCR
- Opublikowano w:
-
IEEE Transactions on Audio Speech and Language Processing
nr 22,
strony 672 - 681,
ISSN: 1558-7916 - Język:
- angielski
- Rok wydania:
- 2014
- Opis bibliograficzny:
- Raczyński S., Vincent E.: Genre-Based Music Language Modeling with Latent Hierarchical Pitman-Yor Process Allocation// IEEE Transactions on Audio Speech and Language Processing. -Vol. 22, nr. 3 (2014), s.672-681
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1109/taslp.2014.2300344
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 124 razy
Publikacje, które mogą cię zainteresować
Dynamic Bayesian Networks for Symbolic Polyphonic Pitch Modeling
- S. Raczyński,
- E. Vincent,
- S. Sagayama
Melody Harmonization with Interpolated Probabilistic Models
- S. Raczyński,
- S. Fukayama,
- E. Vincent