MERP

MERP（Music Emotion Recognition with Profile information）是一个用于音乐情感识别的数据集，其特点是包含了标注者的人口统计与背景信息。该数据集旨在研究音乐所传达的情感，并探索个体差异对情感感知的影响。数据内容包含54首完整的音乐曲目，其中50首选自Free Music Archive（采用创新方法确保其情感特征能覆盖效价-唤醒度空间的四个象限），另外4首来自DEAM数据集作为质量过滤的锚点曲目。数据通过Amazon Mechanical Turk平台收集，共452名参与者（经过严格清洗后保留277名）对每首歌曲进行了连续的动态情感标注，标注频率为10 Hz（每秒10个点），并在效价（Valence）和唤醒度（Arousal）两个维度上使用[-1, 1]的连续尺度进行评分。此外，数据集还记录了196名通过质量检查的标注者的详细档案信息，包括年龄、性别、居住国家、音乐偏好、是否演奏乐器、是否接受过正式音乐训练及其时长等。数据集文件包括经过质量过滤和平滑处理的标注数据（annotations_filtered.parquet）、原始标注数据（annotations_raw.parquet）、标注者档案数据（rater_profiles.parquet）以及所有音频文件（audio/*.wav）。该数据集适用于音乐情感识别、计算音乐学、情感计算等领域的研究，特别适合用于探索个体因素如何影响连续维度上的音乐情感感知模型。

原始信息汇总

数据集概述

MERP（Music Emotion Recognition with Profile information）是一个用于音乐情感识别的数据集，专注于通过听众的个人信息来研究情感感知的主观性。该数据集通过Amazon Mechanical Turk收集，包含54首全长歌曲的动态效价和唤醒度评分。

核心特征

• 歌曲来源：50首来自Free Music Archive（CC许可），4首锚点曲目来自DEAM数据集。
• 情感维度：效价（Valence）和唤醒度（Arousal），评分范围均为[−1, 1]。
• 标注分辨率：10 Hz（每0.1秒一个评分）。
• 参与者：经过严格清洗后保留277名标注者，其中196人提供了完整的个人档案数据。
• MTurk批次：批次4–6为美国Master工人，批次7–8为全球非Master工人。

文件结构

文件	行数	描述
annotations_filtered.parquet	3,482	质量过滤后的标注数据，经过每标注者重新缩放至[−1, 1]并应用Savitzky-Golay平滑。
annotations_raw.parquet	6,176	原始MTurk滑块输出，未经过滤或缩放。
rater_profiles.parquet	196	通过质量检查的标注者的人口统计和音乐背景信息。
audio/*.wav	54	全长音频文件。

数据列说明

annotations_filtered.parquet / annotations_raw.parquet

列名	类型	描述
rater_id	str	匿名标注者标识符（如 rater_042），与 rater_profiles.parquet 一致。
song_id	str	曲目标识符，匹配 audio/ 文件名称（如 00_35, deam_115）。
batch	str	MTurk批次号（"4"–"8"）。
arousal	list[float]	唤醒度时间序列，10 Hz。
valence	list[float]	效价时间序列，10 Hz。

rater_profiles.parquet

列名	类型	描述
rater_id	str	匿名标注者标识符。
master	int	1 = MTurk Master工人，0 = 非Master。
age	int	标注者年龄。
country_enculturation	str	标注者成长国家。
country_live	str	标注者现居国家。
fav_music_lang	str	偏好音乐语言（如 EN, ZH）。
gender	str	自我报告的性别。
fav_genre	str	最喜欢的音乐流派。
play_instrument	str	是否演奏乐器（Yes/No）。
training	str	是否接受过正规音乐训练（Yes/No）。
training_duration	int	正规音乐训练年数（若无则为0）。

数据过滤步骤

annotations_filtered 版本应用了7步质量控制：

1. 移除相对于音频时长过短或过长的试次。
2. 移除包含错误个人信息（如训练时长<0或>100年）的标注者试次。
3. 移除存在长期平稳平台（连续300个相同值）的试次。
4. 移除未完成全部4首DEAM锚点曲目的标注者。
5. 移除所有试次中效价或唤醒度范围小于全尺度1/3的标注者。
6. 将标注数组修剪至与音频特征长度匹配。
7. 对于重复完成DEAM锚点曲目的标注者，丢弃与DEAM参考标注相关性较低的会话。

最终应用了每标注者重新缩放（每人的最小值→-1，最大值→1）和Savitzky-Golay平滑（窗口=15，多项式阶数=2）。

许可证

• 标注和个人档案数据：CC BY 4.0
• 音频文件：来自Free Music Archive，遵循Creative Commons许可（CC BY、CC BY-SA或CC BY-NC，具体取决于曲目）。

搜集汇总

数据集介绍

构建方式

MERP数据集在音乐情感识别研究中应运而生，旨在捕捉情感感知的个体差异。数据集构建过程中，研究人员从Free Music Archive精选了50首全长歌曲，创新性地采用三重神经网络结合OpenSmile工具包，精准识别出最具情感区分度的乐曲，确保其充分覆盖效价-唤醒空间的四个象限。此外，从DEAM数据集中选取了4首锚定曲目用于质量控制。通过Amazon Mechanical Turk平台招募了452名标注者，经过严格的清洗流程筛选出277名有效参与者，并记录了他们的入口统计信息、音乐偏好及背景。

特点

该数据集的核心特点在于其动态情感标注的精细度与个体差异的丰富性。效价和唤醒评分以10Hz的频率连续采集，提供每0.1秒的情感动态变化，评分范围归一化至[-1, 1]区间。标注过程通过了七步质量控制，涵盖时长过滤、异常值剔除、平台期检测及锚定曲目一致性验证，最终数据经过每位标注者极值重新缩放和Savitzky-Golay平滑处理，确保了高度可靠性。此外，196名标注者的个人档案信息被完整记录，为探究情感感知的个体差异提供了独特视角。

使用方法

在应用层面，该数据集以Parquet格式提供高质量的过滤后标注文件、原始标注数据及标注者档案，与54个全长WAV音频文件配套使用，便于研究人员直接加载与分析。用户可通过Pandas等工具轻松读取标注文件，按曲目计算平均效价或唤醒值，并与标注者档案进行合并，以探索音乐背景、年龄等因素对情感评分的影响。数据集已开源并附带训练代码，支持情感识别模型开发与验证，适用于连续情感预测、个性化推荐系统等研究领域。

背景与挑战

背景概述

音乐情感识别是人工智能与音乐信息检索交叉领域的前沿课题，其核心挑战在于情感感知的高度主观性。MERP数据集由新加坡科技设计大学Dorien Herremans团队于2023年创建，发表于《Sensors》期刊。该数据集聚焦于动态情绪标注，通过Amazon Mechanical Turk平台收集了452名参与者对54首全长歌曲的效价与唤醒度连续评分，其中277名评分者通过严格质量控制。数据集创新性地采用三重神经网络结合OpenSmile工具包从Free Music Archive筛选出50首最具情绪辨识度的乐曲，并引入DEAM数据集中的4首锚定曲目用于质量过滤。MERP不仅提供了高分辨率（10Hz）的连续情绪标注，还记录了评分者的人口统计信息、音乐偏好与训练背景，为探究个体差异对音乐情绪感知的影响提供了独特资源，显著推动了音乐情感识别领域的研究范式从群体平均向个性化建模的转变。

当前挑战

MERP数据集面临的核心挑战在于音乐情感感知的高度主观性问题，即不同听众对同一音乐片段的情绪感知可能截然不同。传统音乐情感识别方法忽视个体差异，导致模型难以泛化。该数据集构建过程中遭遇多重困难：首先，需从海量音乐库中甄别出能均匀覆盖四象限效价-唤醒度空间且情绪特征鲜明的乐曲，团队为此设计了创新的三重神经网络筛选策略；其次，众包收集的数据质量参差不齐，需设计七道严格质控流程，包括剔除时长异常、平板应答、未完成锚定曲目及评分范围过窄的试次，并实施评分者内缩放到[-1,1]区间及Savitzky-Golay平滑处理；最后，需确保277名合格评分者的个人档案数据完整且准确，最终仅196份档案通过质检。这些构建挑战共同构成了数据集的独特价值与使用门槛。

常用场景

经典使用场景

MERP数据集在音乐情感识别与计算情感建模领域被视为一项极具价值的基准资源。研究者常利用其包含的连续维度情感标注（效价与唤醒度）与完整音乐片段，构建回归模型以预测情感动态变化。该数据集允许将听众的人口统计学信息、音乐偏好及训练背景融入建模过程，从而探索个体差异对情感感知的影响，常用于情感识别算法的个性化校准与跨听众泛化能力的验证。

实际应用

MERP的构建直接服务于音乐推荐系统、智能音乐疗愈以及情绪化内容生成的产业需求。在实际应用中，利用该数据集训练的模型可依据用户过去的偏好与情感反馈，实现音乐曲目的动态编排与个性化推荐，尤其适用于健康监护场景中针对个体情绪状态的适应性音乐干预。此外，其支持听众画像融入的特性使得音乐流媒体平台能够对新手与专业人士、不同文化背景的用户提供差异化情感体验。

衍生相关工作

基于MERP数据集，学界已衍生出一系列聚焦于个性化情感识别与跨域迁移学习的代表性工作。研究者利用该数据集中的听众画像信息发展了条件情感回归架构，通过将年龄、文化背景、乐器训练等特征编码为网络条件输入，显著提升了情感预测的准确性与鲁棒性。另有工作探索对比学习与多任务学习框架，利用MERP的连续标注与锚点曲目进行预训练，进而迁移至其他规模较小的情感数据集，有效缓解了数据稀疏问题，拓宽了情感计算模型在现实场景中的适用边界。