- Published on
DopeLearning (KDD16) を読んだ．
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．