在音乐信息检索及音乐推荐等领域中,如何对音乐情感进行高效、准确的识别及检索,是该领域研究的关键课题。音乐所表达的情感以及人们听音乐时的情感反应,可以被量化到一个统一的情感模型中,实现基于情感需求的音乐检索。本文充分挖掘Web2.0用户对音乐情感的评价信息,构建音乐情感数据库,通过检索数据库的方式实现音乐情感检索。运用信息抽取方法,虽然能够从网页中得到音乐情感的文本信息,但由于数字音频的不唯一性,如何基于数字音频的感知内容,将文本信息与音频数据一一映射,是构建音乐情感语料库必须要解决的关键科学问题。基于此,本文研究快速音频感知哈希方法,旨在追求区分性和鲁棒性的同时提高感知效率。本文研究了两种高效的音频感知哈希方法:(1)运用向量投影以及随机搜索策略,先从大量训练数据中搜索得到合适的投影向量,然后将高维的感知特征投影到一维空间,并进行哈希编码,实现快速的音频感知哈希。实验结果证明,该方法在不降低哈希向量区分性和鲁棒性的前提下,时间性能相对于传统方法有很大的改进。(2)运用深度置信网络,通过DNN-Bottleneck特征框架,从音频数据中提取鲁棒的感知特征,然后编码实现快速的音频感知哈希。实验结果验证了该方法的可行性,区分性和鲁棒性相比VP-FFT方法有所提升。进一步分析发现,VP-FFT方法和单层的NN-Bottleneck-FFT方法在数学形式的描述上,是完全一致的,为VP-FFT方法的理论解释提供了参考。