音乐多模态数据情感识别方法的研究

音乐情感识别研究在音乐智能推荐和音乐可视化等领域有着广阔的应用前景.针对该研究中存在的仅利用低层音频特征进行情感识别时效果有限且可解释性差的问题,首先,构建能够学习音符语义信息的基于乐器数字接口(MIDI)数据的情感识别模型ERMSLM(emotion recognition model based on skip-gram and LSTM using MIDI data),该模型的特征是由基于跳字模型(skip-gram)和长短期记忆(LSTM)网络提取的旋律特征,利用预训练的多层感知机(MLP)提取的调性特征以及手动构建的特征3部分连接而成;其次,构建融合歌词和社交标签的基于文本数据的情感识别模型ERMBT(emotion recognition model based on BERT using text data),其中歌词特征是由基于BERT(bidirectional encoder representations from trans formers)提取的情感特征、利用英文单词情感标准(ANEW)列表所构建的情感词典特征以及歌词的词频—逆文本频率(TF-IDF)特征所组成;最后,围绕MIDI和文本两种数据构建特征级融合和决策级融合两种多模态融合模型.实验结果表明,ERMSLM和ERMBT模型分别可达到56.93%,72.62%的准确率,决策级多模态融合模型效果更优.

新时代职教强校战略及其支撑策略

职业教育是具有和普通教育同等地位和重要性的类型教育,是面向市场的就业教育,面向能力的实践教育,面向社会的跨界教育。在新时代职业教育战略定位的引领下,职业院校应践行五大发展理念:以培养高素质技能型人才和创新型人才为着手点;以多主体共同推进协调发展,增强职业教育适应性;以绿色发展为落脚点,紧扣新时代职教发展脉搏;以开放、共享为重要手段,促进职业教育跨界融合发展。这是新时代职业教育高质量发展的时代责任和战略背景,同时也是职业院校践行新发展理念,打造新时代职教强校历史必然。

新时代背景下高职院校发展型资助育人的困境与提升路径

发展型资助是对保障型资助科学传承和对社会人才需求科学研判的共同结果,是保障教育公平、促进学生成长的重要支撑。高职院校发展型资助的内涵通过关注公平效率的核心价值、倡导能力素养并重的基本要义、强化施策管理的精准服务得以体现。针对实践中存在的资助育人观念前瞻性不足、资助育人体系不够健全、资助育人方式单一等困境,高职院校须从完善顶层设计、健全资助体系、丰富育人方式等入手探索发展型资助的动态完善,提升资助育人成效。