Obtenez le titre de la chanson à partir du titre de la vidéo que vous avez chanté

Contexte

• Lors de l'analyse de la vidéo que vous avez chantée, les informations sur «quelle chanson» sont importantes.
• Cependant, dans le cas de YouTube, le titre de la chanson peut ne pas être lié à la vidéo.
• Il est difficile de trouver manuellement le titre de la chanson à partir de là, alors j'ai pensé que je ferais quelque chose à ce sujet.

code

Je l'ai généralement traité en utilisant des expressions régulières. (Il existe une version améliorée du code en bas, il est donc recommandé de faire défiler vers le bas avant de copier)

get_song_titles.py

def get_song_title(raw_title):

    # ()（）[]Exclure []. Parfois, la gauche est demi-largeur et la droite est pleine largeur.
    title = re.sub("[【（\(\[].+?[】）\)\]]","",raw_title)

    #S'il y a "" et "", extrayez-leur la chaîne de caractères
    if "「" in title and "」" in title:
        title = title.split("「")[1].split("」")[0]

    if "『" in title and "』" in title:
        title = title.split("『")[1].split("』")[0]

    #J'ai essayé de chanter X avec Y,J'ai essayé de chanter et d'effacer
    title = re.sub("À.*essayé de chanter","",title)
    title = title.replace("essayé de chanter", "") 

    # cover, covered,Effacez la chaîne de caractères après avoir été couverte par
    title = re.sub("[cC]over(ed)?( by)?.*", "", title)
 
    #Dernier/Supprimer après cela
    if "/" in title:
        title = "/".join(title.split("/")[:-1])
    
    if "／" in title:
        title = "／".join(title.split("／")[:-1])
  
    # -S'il n'y en a qu'un, effacez le dos
    if len(title.split("-")) == 2: 
        title = title.split("-")[0]

    #Effacer la partie qui représente le membre de la collaboration avec ×
    title_part_list = []
    for title_part in title.split(" "):
        if "×" not in title_part:
            title_part_list.append(title_part)
    title = " ".join(title_part_list)

    title = title.strip()

    return title


#Exemple de lecture et d'utilisation des données décrites plus loin
if __name__ == "__main__":
    x = []
    y = []

    with open("sing_videos.tsv") as f:    
        for line in f:
            x.append(line.strip().split("\t")[1])

    #La première ligne est l'en-tête, supprimez-le
    del x[0]

    estimated_titles = [ get_song_titles(x) for raw_title in x ]

Évaluation des performances

Les données

Je l'ai étiquetée manuellement en utilisant les métadonnées de la vidéo que j'ai essayé de chanter, que j'ai collectée dans l'article précédent (https://qiita.com/miyatsuki/items/fb933bb233d2896ca644). J'ai publié les données sur GitHub, veuillez donc vous y référer si nécessaire pour des tests supplémentaires. https://github.com/miyatsuki/VTuberNayoseDataset/blob/57fe0d785b40c19fa7b249034bdfe1fa62363743/data/sing_videos.tsv

résultat

Nombre de vidéos: 277 Taux de réponse correcte: 92,42% (256/277)

Ce n'est pas un gros problème, mais c'est plus de 90%. Étant donné que le score est réglé tout en regardant le résultat, on ne sait pas si la précision jusqu'à présent sera obtenue pour des vidéos inconnues.

Ce qui était inutile

• Motif qui efface trop les informations nécessaires
• Si le titre de la chanson contient /, il échouera presque certainement si () est inclus.
• Il peut y avoir un titre entre [], qui échouera définitivement
• Un motif qui ne peut pas effacer les informations inutiles
• Faible contre les fautes de frappe telles que les erreurs typographiques et les omissions
• Échoue s'il y a un symbole sans rapport avec le titre tel que ♡
• Il est facile d'échouer s'il y a beaucoup d'informations autres que d'autres titres de chansons

Retester

J'ai augmenté le nombre de données et examiné à nouveau l'exactitude

Les données

Nous avons augmenté le nombre de chanteurs cibles (tous les VTubers) et collecté à nouveau des données (le nombre de vidéos cibles a été multiplié par 4,8). https://github.com/miyatsuki/VTuberNayoseDataset/commit/576b89b5c8a6f74744cb24c62a5d8cb77a736ea7

résultat

Nombre de vidéos: 1335 Taux de réponse correcte: 75,95% (1014/1335)

Ajustement logique

Étant donné que le pourcentage de réponses correctes a fortement chuté, j'ai essayé de soutenir un modèle légèrement spécial. De plus, comme il y a un schéma selon lequel d'autres personnes chantent la même chanson et que le titre est acquis correctement, j'ai essayé d'utiliser d'autres résultats d'estimation afin de pouvoir récupérer ces informations.

import pandas as pd
import re

def get_song_title(raw_title):
    
    #Il existe un motif appelé [Titre de la chanson] de "Titre de l'œuvre", donc dans ce cas, le contenu de [] est utilisé comme titre.
    if "Que【" in raw_title:
        title = raw_title.split("【")[1].split("】")[0]
    else:
        title = raw_title
    
    #S'il y a un symbole dans l'en-tête, supprimez-le
    if title[0] == "★":
        title = title[1:]
    
    # ()（）[]Exclure []. Parfois, la gauche est en demi-largeur et la droite en pleine largeur
    title = re.sub("[【（《\(\[].+?[】）》\)\]]"," ",title)

    #Dans le cas d'un motif tel que la chanson thème "nom de l'œuvre", supprimez cette partie
    for keyword in ["Chanson du thème", "OP", "Chanson CM"]:
        if "」{}".format(keyword) in title:
            end_index = title.index("」{}".format(keyword))
            for start_index in range(end_index, -1, -1):
                if title[start_index] == "「":
                    title = title[:start_index] + title[end_index + len(keyword) + 1:]
                    break
        
    for keyword in ["Chanson du thème", "OP", "Chanson CM"]:
        if "』{}".format(keyword) in title:
            end_index = title.index("』{}".format(keyword))
            for start_index in range(end_index, -1, -1):
                if title[start_index] == "『":
                    title = title[:start_index] + title[end_index + len(keyword) + 1:]
                    break
        
    #S'il y a "" et "", extrayez-leur la chaîne de caractères
    #Cependant, dans de rares cas, vous pouvez mettre votre nom entre "". Ignorer dans ce cas
    if "「" in title and "」" in title:
        temp_title = title = title.split("「")[1].split("」")[0]
        if "cover" not in temp_title.lower():
            title = temp_title

    if "『" in title and "』" in title:
        temp_title = title.split("『")[1].split("』")[0]
        if "cover" not in temp_title.lower():
            title = temp_title

    #Effacez la chaîne de caractères après avoir chanté
    title = re.sub("J'ai essayé de chanter.*"," ", title)
    title = re.sub("essayé de chanter.*"," ", title)

    # cover, covered,Effacez la chaîne de caractères après avoir été couverte par
    title = re.sub("[cC]over(ed)?( by)?.*", "", title)

    # /Supprimer après cela
    if "/" in title:
        title = title.split("/")[0]

    if "／" in title:
        title =  title.split("／")[0]

    # -S'il y en a, effacez le dos
    title = title.split("-")[0]

    #Effacer la partie qui représente le membre de la collaboration avec ×
    # #Effacer les expressions de type 012
    title_part_list = []
    for title_part in title.split(" "):
        if "×" not in title_part and not re.fullmatch("#[0-9]+", title_part):
            title_part_list.append(title_part)
    title = " ".join(title_part_list)

    #Supprimer les espaces de début et de fin
    title = title.strip()

    return title


#Titre de la vidéo et titre de la chanson(Valeur estimée)Et renvoyer le plus long des titres de chansons partiellement correspondants
def get_nearest_title(video_title, music_titles):
    longest = 0
    ans = ""
    
    for music_title in music_titles:
        if len(music_title) <= longest:
            continue
        
        if music_title in video_title:
            ans = music_title
            longest = len(music_title)
    
    return ans


def decide_title(row):
    return row["estimated_title"] if len(row["estimated_title"]) > 0 else row["estimated_title2"]    


if __name__ == "__main__":

    evaluate_df = pd.read_table("sing_videos.tsv")
    evaluate_df["estimated_title"] = evaluate_df["video_title"].apply(get_song_title)

    #Si le résultat de l'estimation avec l'expression régulière est vide, recherchez le plus probable parmi les résultats d'estimation d'autres vidéos.
    evaluate_df["estimated_title2"] = evaluate_df["video_title"].apply(
        get_nearest_title, music_titles = evaluate_df["estimated_title"].unique()
    )
    evaluate_df["estimated_title"] = evaluate_df.apply(decide_title, axis=1)
    evaluate_df = evaluate_df.drop(columns=["estimated_title2"])

Résultat (après correction logique)

Nombre de vidéos: 1335 Taux de réponse correcte: 85,24% (1138/1335)