Internasional Jurnal of Artificial Intelligence & Applications (IJAIA) Vol. 6, No.

3, May 2015
EMOTION ANALYSIS OF SONGS BASED ON LYRICAL AND AUDIO FEATURES
Dalam jurnal ini, penulis mengusulkan metode untuk mendeteksi emosi dari lagu
berdasarkan lirik dan audio. Fitur lirik yang dihasilkan merupakan segmentasi lirik selama
proses ekstraksi data. Audio fitur yang digunakan untuk melengkapi pendeteksian lirik
termasuk atribut seperti energi, tempo, dan danceability. Konstruksi pelatihan dan set tes
dilakukan atas dasar tag sosial diekstraksi dari situs last.fm. Klasifikasi dilakukan dengan
menerapkan fitur bobot dan pengurangan ambang bertahap pada k-Nearest Neighbors untuk
mengetahui nilai fuzzy dalam klasifikasi.
Dalam jurnal ini pertama akan mengeksplorasi karya terkait pada Support Vector
Regression, model koordinasi Thayers, fuzzy clustering, penggunaan kamus serta ditambahi
dengan bahasa sosial.
Bagian 3 memperkenalkan set fitur yang digunakan untuk klasifikasi, penulis
menggunakan Russell Model, tujuannya adalah untuk memiliki fitur yang dapat
mengklasifikasikan lagu bersama dua sumbu yaitu: Emosi positif terhadap emosi negatif dan
energi tinggi dibandingkan energi Rendah, serta fitur skala teknik. Set fitur termasuk fitur
liris seperti gairah dan valensi, yang diekstrak dari database kamus yang terdiri dari tiga
kamus yang mencakup hampir semua kata-kata yang ada dalam lirik lagu. Aturan asosiasi
berdasarkan tag POS setiap lirik garis telah dikembangkan dalam rangka meningkatkan
akurasi gairah dan valensi nilai. Ini fitur yang dilengkapi dengan fitur audio seperti denyut
per menit, danceability, kenyaringan, energi dan modus.
Bagian 4 dikhususkan untuk konstruksi dan pra-pengolahan dataset pelatihan.
Kategori lagu dibuat menggunakan tag orang bersumber dari situs penemuan musik populer
Last.fm sebagai dataset pelatihan untuk classifier.
Bagian 5 menggambarkan k-Nearest Neighbors dan metrik jarak Euclidean yang telah
digunakan untuk klasifikasi dan pada saat proses juga dapat mengelompokkan lagu baru.
Bagian 6 mencakup berbagai eksperimen seperti analisis fitur pembobotan, pengaruh
nilai ketetanggan dipertimbangkan, kontribusi langkah bijaksana pengurangan ambang batas
untuk akurasi dan ketidakjelasan, memperluas kembali dengan WordNet dan berurusan
dengan konteks dan ambiguitas .
Bagian 7 berisi hasil untuk klasifikasi pada empat set tes, dan kesimpulannya.

IJCSI International Journal of Computer Science Issues, Vol. 7, Issue 4, No 2, July 2010
ARCHITECTURE FOR AUTOMATED TAGGING AND CLUSTERING OF SONG FILES
ACCORDING TO MOOD
Dalam jurnal ini, penulis menyajikan arsitektur yang didefinisikan dengan baik untuk
mengklasifikasikan lagu dalam kategori suasana hati yang berbeda, menggunakan audio
analisis, nilai afektif dari lirik lagu untuk memetakan lagu ke ruang emosi psikologis berbasis
dan informasi dari sumber online. Dalam analisis konten audio akan menggunakan musik
fitur seperti intensitas, timbre dan irama termasuk subfitur mereka untuk memetakan musik
dalam ruang emosional 2-Dimensi. Pada klasifikasi lirik berdasarkan ruang emosional
menggunakan 1-Dimensi.Kedua hasil digabung ke sebuah 2-Dimensi emosional ruang, yang
akan mengklasifikasikan lagu menjadi kategori suasana hati tertentu. Akhirnya kelompok
suasana hati berdasarkan file lagu terbentuk dan diatur sesuai dengan data yang diperoleh dari
berbagai sumber internet.
Tujuan dari arsitektur adalah menggunakan sebaik mungkin model psikologis emosi
dan untuk menggabungkan temuan dari studi ini dengan cara terbaik mungkin sehingga
musik dapat dilihat, diakses atau dieksplorasi oleh suasana hati. Pendekatan yang sangat
dasar dari pekerjaan yang disajikan di sini fitur diekstrak dari file audio (format WAV) yang
digunakan dalam kombinasi dengan nilai afektif lirik lagu dan data lainnya dari internet
untuk memetakan lagu ke ruang emosi psikologis. Pertama audio isi lagu dianalisis dan
intensitas, timbre dan fitur irama yang diambil, maka lirik berkas dianalisis menggunakan
pengolahan bahasa. Kemudian nilai-nilai matematika dari semua data ini dipetakan ke 2Dimensi ruang emosional (Thayer's Energy Stress Model), masing-masing kuadran mewakili
satu set suasana hati. Akhirnya daftar lagu dihasilkan untuk empat kuadran yang kemudian
diatur sesuai dengan data yang diambil dari internet.