Semantic Homogenization in Italian Popular Music: A Diachronic Analysis
作者: Lorenzo Canale, Stefano Scotta, Alberto Messina
分类: cs.CL
发布日期: 2026-07-06
期刊: J Comput Soc Sc 9, 44 (2026)
DOI: 10.1007/s42001-026-00468-1
💡 一句话要点
提出一种灵活高效的方法以分析意大利流行音乐歌词的语义变化
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 流行音乐 语义分析 自然语言处理 文化研究 歌词分析 数据挖掘
📋 核心要点
- 现有研究主要集中在英语流行音乐歌词的语义多样性下降，缺乏对其他语言和文化背景的深入分析。
- 论文提出了一种新颖的方法，通过多层次的文本分析和语言模型，灵活地追踪语义变化。
- 应用于圣雷莫音乐节的歌词数据，结果显示语义统一性逐渐增加，验证了全球趋势的普遍性。
📝 摘要（中文）
近年来的研究表明，流行音乐歌词的语义多样性有所下降，尤其是在英语歌曲中。本研究探讨了在意大利著名的圣雷莫音乐节中，歌词是否也存在类似趋势。论文的创新之处在于开发了一种灵活高效的方法，用于追踪语义相似性的变化，适用于不同的数据集。通过全文本、分段、主题和词汇层面的分析，结合嵌入技术和大型语言模型，该方法揭示了意大利流行音乐歌词逐渐趋向语义统一的趋势，反映了全球研究中发现的模式。这些结果强调了自然语言处理工具在揭示音乐语言和文化表达长期变化中的重要性。
🔬 方法详解
问题定义：本研究旨在解决意大利流行音乐歌词中语义多样性下降的问题。现有方法多集中于英语歌曲，缺乏对其他语言的分析，且缺少灵活的语义变化追踪工具。
核心思路：论文的核心思路是结合多种文本分析方法，包括全文本分析、分段分析和主题分析，利用嵌入技术和大型语言模型，灵活地捕捉语义变化。这样的设计使得研究能够适应不同的数据集和文化背景。
技术框架：整体架构包括数据收集、文本预处理、语义分析和结果可视化几个主要模块。首先收集圣雷莫音乐节的歌词数据，然后进行文本预处理，接着应用多层次的分析方法，最后将结果进行可视化展示。
关键创新：最重要的技术创新在于开发了一种灵活的语义相似性追踪方法，能够适用于不同的语言和文化背景，与现有方法相比，提供了更广泛的适用性和更深入的分析能力。
关键设计：在技术细节上，论文使用了多种嵌入技术和语言模型，设置了适当的参数以优化语义分析的效果，确保了分析的准确性和有效性。
🖼️ 关键图片
📊 实验亮点
实验结果显示，圣雷莫音乐节的歌词在语义上逐渐趋向统一，验证了全球流行音乐语义多样性下降的趋势。该研究的分析框架在不同数据集上的适用性和灵活性，显著提升了对音乐语言变化的理解。
🎯 应用场景
该研究的潜在应用领域包括音乐产业、文化研究和自然语言处理等。通过分析歌词的语义变化，能够为音乐创作、市场营销和文化传播提供数据支持，帮助相关领域更好地理解和应对文化趋势的变化。
📄 摘要（原文）
In recent years, studies have revealed a decline in semantic variety across popular music lyrics, particularly in English-language songs on streaming platforms like Spotify. This research examines whether a similar trend can be observed in a different linguistic and cultural context: the lyrics of all finalist songs from the 75 editions of the Sanremo Music Festival, Italy's most renowned music competition. What sets this work apart is the development of a flexible and efficient methodology for tracking changes in semantic similarity over time, which can be applied to different datasets to study similar phenomena. Drawing on a combination of full-text, segment-based, topic-based, and word-level analyses, the approach leverages both embedding techniques and large language models. When applied to the Sanremo corpus, this framework reveals a gradual move toward increasing semantic uniformity, echoing the global patterns identified in previous studies. These findings underscore the value of natural language processing tools in uncovering long-term shifts in musical language and cultural expression.