随着人工智能和模式识别技术的飞速发展和人民生活品质的提高,音乐成了人们生活中必不可少的交流媒介之一。互联网的飞速传播衍生出了大量优秀的音乐作品,如何对种类繁多、曲风各异的音乐歌曲做好相对精确的分类并通过计算机领域的先进技术给用户进行精准的个性化推荐成为了当今研究的热门话题。而音乐检索分类与推荐的前提-情感对于音乐情绪的传递有着不可或缺的作用。但音乐的情感往往受诸多因素的影响,它可以通过演唱风格、音乐编曲形式、歌词等各个角度表达出一首歌的情感。对于一首广为流传的歌曲,传唱度最高的一定不是全部,而是一小部分,强烈的情感往往是从这少部分里体现出来的,因此音乐歌词文本不同特征词的位置对于音乐情感的表达也有着举足轻重的意义。本文将从歌词分析角度构建独有的情感词典,围绕位置这一重要信息应用相关分类技术探讨音乐的情感分类,将音乐情感分为快乐、伤感、安静、激昂4种类别。本文主要的研究内容有:1、通过学习数据集的情感特征,利用CHI特征选择方法计算特征词与类别的相关程度并按照排序结果构建针对于数据集的情感词典,避免了传统训练过程中情感词典的单一性。摒弃传统的所有数据集共用一套情感词典的做法,该方法通过每次数据集的不同构建属于自己的情感词典,在一定程度上保证了情感词典的鲁棒性。实验比较了不同维度的情感词典对于音乐情感分类性能的影响。2、考虑到歌词文本中存在重复特征词的特点,提出一种基于位置因素的音乐情感分析方法。该方法利用酷狗、酷我音乐上的数据集,融合标题和歌词文本进行特征词位置定向,考虑到出现在不同位置的特征词的权重对于基于歌词的音乐情感分类的影响程度,将标题、歌词文本开头、中间、结尾不同位置的特征词采用层次分析法(Analytic Hierarchy Process,AHP)计算不同的位置权重,在此基础上对比了多个分类器的结果并验证了这一想法在提升音乐情感分类性能方面的有效性。