4、自动估计和弦紧张度：基于 word2vec 的创新方法

自动估计和弦紧张度：基于 word2vec 的创新方法

在音乐分析领域，对和弦紧张度的准确估计一直是一个重要的研究方向。本文将介绍一种基于 word2vec 算法的创新方法，用于自动估计和声单元的紧张度，并通过两个实验验证了该方法的有效性。

1. 使用 word2vec 建模紧张度

为了为语料库中的每个和声单元提供紧张度估计，我们采用了 word2vec 算法。这是一种神经网络模型，能够从自然语言语料库中创建单词的分布式表示。word2vec 算法已被广泛应用于自然语言处理和机器学习领域，用于降低单词词汇的维度。

word2vec 算法通过计算单词在周围上下文中的共现频率来确定它们之间的相似度。例如，“like”和“love”在相似的上下文中频繁出现，因此它们在 word2vec 的嵌入空间中被认为是相似的。在音乐理论中，和弦的相似度也可以基于其周围的上下文来理解，这与调性和声的功能理论相契合。

1.1 词汇处理

word2vec 算法需要符号序列作为输入，因此我们将每个和声单元表示为模型中的整数 ID。具体操作步骤如下：
1. 对符号编码进行全扩展，在每个唯一的起始时间复制重叠的音符事件。
2. 将每个和声单元中的音高映射为一组音级，将可能的音高范围缩小到十二音半音阶。
3. 去除重复的音级。

1.2 语料库构建

语料库包含了 297 个由约瑟夫·海顿（215 个）和沃尔夫冈·阿玛多伊斯·莫扎特（82 个）在古典时期创作的弦乐四重奏乐章。所有乐章均从 KernScores 数据库以 kern 格式下载。为了创建一个能平等代表十二音半音阶所有可能调式的数据集，我们