摘要：情感是音乐的语义之一，按照情感自动对歌曲进行分类，能够为基于情感的音乐检索提供基础的数据支持，具有重要的实际意义和学术意义，也因之成为音乐信息检索领域的热点研究课题。本文利用大型音乐网站中的评论和标注构建情感模型及数据集，提出以歌曲为单位进行分类的方法，通过大量实验分析考察了片段长度、分类器和特征选择算法对情感分类的影响；并对Active Selection特征选择算法，提出最大差值探测法选取初始特征集，大大提高 了分类准确率。实验结果表明，15s长片段最利于歌曲的情感分类，SVM与利用最大差值探测 法选取初始特征集的Active Selection算法相结合的方法可以获得最好的分类效果。在对取自著名大型音乐网站Last.fm的400首歌的10,365个15s的音乐片段进行6类分类时，在没有人工标注的情况下，达到54.82%的分类准确率。
