求救！声乐的情感处理和技巧在国内外研究的概况。急。。

近几十年来，我们在民族声乐的概念和分类问题上，一直存在着争议和分歧。当代“民族声乐”到底来源于汉族传统民间歌曲还是西洋美声，汉族民歌的分类标准又应如何把握。诸如此类关于民族声乐的问题，一直伴随着我国当代的声乐研究工作。为明晰汉族传统民歌的分类关系，文章将通过对民歌分类的几种方法及其之间的相互关系进行研究与分析，以此对我国民族声乐艺术的整体协调发展提出学理性的参考。

关 键 词：民族声乐 汉族民歌 分类 色彩区

事物从起源，开始发展，直到消退，这看似清晰的过程，分析起来竟是如此缓慢，甚至有些模糊。这是由于一些演化而来的事物，很难由后向前追究，也很难用“划分”这样一个词来对如此复杂、缓慢的过程进行“加工处理”。所以，人们仅在此模糊地清晰些，又在清晰中变得模糊。不难看出，从本身就无法言表的音乐艺术到纷繁复杂的民歌发展。人们也很难确立出一个方整、明显的界限。单从这样一个深奥而又显而易见的角度来看，我也会不经意想到“近似”这样一个词了。

汉族民歌有多种分类方法，目前较为惯用的是按照“体裁”形式分类的方法，其大致可把汉族民歌分为：1号子(有“搬运号子”“船工号子”“作坊号子”等)；2．山歌(包括“放牧山歌”“田秧山歌”“一般山歌”等)；3．小调(例如“谣曲”“时调”“风俗仪式歌曲”“舞歌”等)。“体裁”分类法有助于认识和研究民歌与人民生活的关系、民歌的社会功用以及音乐表现的方法、特点等问题。

但是，究竟什么是汉族民歌的“体裁”汉族民歌体裁的划分依据应如何确定呢“体裁”究竟是指民歌音乐形态上的艺术特征，还是指它的社会产生条件抑或是指产生和应用场合所造成并限定了按照这一如此模糊不定的“体裁”概念分类，人们对汉族民歌的“体裁”有了不同的理解，于是便出现了多种分类方法。例如“劳动号子”，如果按产生和应用的场合把它定义为“劳动时所唱的歌”，那么“田歌”“牧歌”也是劳动时所唱的歌；但“田歌”“牧歌”的主要音乐形态特征又显然与一般的劳动号子一领众和，具有鲜明的节奏律动等特点不相一致，而更多地与一般山歌节奏自由悠长的特点相吻合；然而，二者的社会生产条件又与一般山歌不尽相同。这就产生了多种的分类方法。“体裁”分类方法产生分歧的原因是由于分类依据的不统一所造成的。这些依据中有根据民歌的使用场音分类的(例如“民间歌舞”和“小调”的分法；“渔歌”和“田歌”的分法)；也有按照民歌的篇幅分类的（“大型民歌套曲”）；还有按照民歌的社会功能分类的（“风俗歌曲”)等等。

如此众多分类依据的并存，让人们无法准确地把握该种分类法的划分标准是什么。这样一种纷乱的状况，对于民歌音乐研究的进一步深入是不利的。江明敦先生明确地阐述了他划分汉族民歌体裁的依据，即按照民歌产生的一定社会生活条件和功用要求所形成的基本的音乐表现方法和典型的音乐性格特征。“人民的社会生活是非常复杂的，民歌的形成、发展以及流传的情况也是非常复杂的。因而，体裁的问题也很复杂。汉族民歌中多种体裁因素相综合的现象、不同体裁之间相互转化的现象都是很常见的。”①也就是根据音乐特征，演唱场合和功用这三种因素进行了综合考虑。在这样一种综合的划分标准下，多少是将体裁划分定义作了一个“模糊处理”。遇到不同类体裁出现交集的时候依然很难把握原则。这就好比将几种相互干扰、相互交叉的划分标准混合到一起。当然，其表现出来的分类作用有时也显得有些相互干扰，左右不定。

在本文一开始，笔者提到一个思维意象，就是对于那些原本来自于劳动人民口头创作的。发展相对自由、漫长的，体裁相互交叉和渗透的民歌发展过程，所有对它的“规范化”都只是相对的。当然也包括“划分”这样一个硬是要把一潭清水分割开来的举动，其结果也只能得来一滩浑水，以至于最终难以分辨得清。像汉族民歌这样一幅类似于秀美山河风光的图画，我们最好还是不要用浓黑的笔墨勾画出它原本已经消失不清的底稿轮廓。一幅好的绘画作品，各个部位、各个阶段、各个突出的色彩区域都是相互关联、相互渗透的。

杜亚雄先生从形式逻辑方面指出，如将汉族民歌进行类似“色彩区”的划分是不当的，因为“色彩区”这一概念是从美术界借来的词语，“通常用来比喻和形容音乐的不同风格和配器的不同效果。从严格的科学意义上讲，音乐无色彩。”②美国的民族音乐学家安东尼·希格尔教授在他关于“民族音乐学”的讲座中说，人类不应仅仅研究声音，还要研究创作的背景，听众听到音乐时的景象，可能这是“音乐人类学”(Anthropology 0fMusic)所需要真正研究的方向。希格尔教授对非洲一个叫做“Suya”的部落考察了两年，他对那里的原始音乐发展有着最真实、最深刻的了解。在笔者看来，所谓音乐的色彩，就是足以给那些原始部落人们精神上的影响以及使他们由衷热爱和需要音乐的原因。笔者认为，汉族民歌的产生和发展多少也会同非洲原始部落的音乐有些许相同。所以汉族民歌的色彩必定是民歌所要表现以及想要给听者带来的审美影响和功能。如果音乐没有了色彩，人类的艺术也就没有了色彩。

情感分析（Sentiment Analysis）

第一步，就是确定一个词是积极还是消极，是主观还是客观。这一步主要依靠词典。

英文已经有伟大词典资源：SentiWordNet 无论积极消极、主观客观，还有词语的情感强度值都一并拿下。

但在中文领域，判断积极和消极已经有不少词典资源，如Hownet，NTUSD但用过这些词典就知道，效果实在是不咋滴（最近还发现了大连理工发布的情感词汇本体库，不过没用过，不好评价）。中文这方面的开源真心不够英文的做得细致有效。而中文识别主客观，那真的是不能直视。

中文领域难度在于：词典资源质量不高，不细致。另外缺乏主客观词典。

第二步，就是识别一个句子是积极还是消极，是主观还是客观。

有词典的时候，好办。直接去匹配看一个句子有什么词典里面的词，然后加总就可以计算出句子的情感分值。

但由于不同领域有不同的情感词，比如看上面的例子，“蓝屏”这个词一般不会出现在情感词典之中，但这个词明显表达了不满的情绪。因此需要另外根据具体领域构建针对性的情感词典。

如果不那么麻烦，就可以用有监督的机器学习方法。把一堆评论扔到一个算法里面训练，训练得到分类器之后就可以把评论分成积极消极、主观客观了。

分成积极和消极也好办，还是上面那个例子。5颗星的评论一般来说是积极的，1到2颗星的评论一般是消极的，这样就可以不用人工标注，直接进行训练。但主客观就不行了，一般主客观还是需要人来判断。加上中文主客观词典不给力，这就让机器学习判断主客观更为困难。

中文领域的难度：还是词典太差。还有就是用机器学习方法判断主客观非常麻烦，一般需要人工标注。

另外中文也有找到过资源，比如这个用Python编写的类库：SnowNLP 就可以计算一句话的积极和消极情感值。但我没用过，具体效果不清楚。

到了第三步，情感挖掘就升级到意见挖掘（Opinion Mining）了。

这一步需要从评论中找出产品的属性。拿手机来说，屏幕、电池、售后等都是它的属性。到这一步就要看评论是如何评价这些属性的。比如说“屏幕不错”，这就是积极的。“电池一天都不够就用完了，坑爹啊”，这就是消极的，而且强度很大。

这就需要在情感分析的基础上，先挖掘出产品的属性，再分析对应属性的情感。

分析完每一条评论的所有属性的情感后，就可以汇总起来，形成消费者对一款产品各个部分的评价。

接下来还可以对比不同产品的评价，并且可视化出来。如图。

这一步的主要在于准确挖掘产品属性（一般用关联规则），并准确分析对应的情感倾向和情感强度。因此这需要情感分析作为基础。首先要找到评论里面的主观句子，再找主观句子里的产品属性，再计算属性对应的情感分。所以前面基础不牢固，后面要准确分析就有难度。

中文这个领域的研究其实很完善了，技术也很成熟。但需要完善前期情感分析的准确度。

总的来说，就是中文词典资源不好，工作做得不是很细很准。前期的一些基础不牢固，后面要得到准确的分析效果就不容易了。