Towards an LLM-based method for quantifying the sexual content in song lyrics
Diese Arbeit stellt eine reproduzierbare, auf großen Sprachmodellen basierende Methode zur Quantifizierung thematischer Inhalte in Songtexten vor und wendet diese auf einen Korpus von 1.259 Reggaeton-Tracks an, um die sexuelle Explizitheit über Künstler und Zeiträume hinweg sowie im Vergleich zu den Spotify-Explizit-Flags zu analysieren.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich die Welt der Musik als eine riesige, laute Bibliothek vor, in der jedes Lied ein Buch ist. Lange Zeit mussten Menschen, wenn sie wissen wollten, was in den Büchern eines bestimmten Genres namens Reggaeton steht, diese Buch für Buch lesen und sich Notizen von Hand machen. Das ist so, als würde man versuchen, die Anzahl der roten Autos in einer Stadt zu zählen, indem man an einer Straßenecke steht und sie aufschreibt, während sie vorbeifahren. Das ist langsam, ermüdend, und man kann nur wenige Autos zählen, bevor man müde wird. Dieses Studienfeld wird „Inhaltsanalyse“ genannt, und so versuchen Wissenschaftler, Gefühle und Themen – wie Liebe, Wut oder Partystimmung – in tatsächliche Zahlen zu verwandeln, damit sie vergleichbar werden. Die große Frage, die sich alle gestellt haben, lautete: „Ist Reggaeton wirklich nur Sex, oder ist das nur ein Gerücht?“ Um dies zu beantworten, benötigen wir eine Methode, um die Songtexte zu messen, ohne jeden einzelnen von Hand lesen zu müssen. Hier kommt ein neuer Typ Helfer ins Spiel: ein superintelligentes Computergehirn, ein Large Language Model (LLM). Stellen Sie sich ein LLM wie einen Roboter vor, der fast jedes Buch in der Bibliothek gelesen hat und Ihnen sofort sagen kann: „Diese Geschichte handelt viel von Romantik“ oder „Diese hier ist voller Gewalt“ und ihr eine Punktzahl von null bis zehn gibt.
Dieses Papier ist wie ein Rezept für den Einsatz dieses Robotergehirns, um die „Schärfe“ von Reggaeton-Texten zu messen. Der Autor, Ignacio Sticco, entwickelte eine Methode, um 1.259 Lieder von 12 berühmten Künstlern in den Computer einzuspeisen. Anstatt den Computer nur zu fragen: „Ist dieser Song schmutzig?“, wurde er darauf trainiert, neun verschiedene Geschmacksrichtungen des Songs zu erkennen, wie zum Beispiel „Party-Vibes“, „traurige Liebe“, „Straßenkriminalität“ und zwei spezifische Arten von „Sex-Talk“: eine, die darauf anspielt (suggestiv), und eine, die es direkt ausspricht (explizit). Der Roboter wurde zuerst mit einer kleinen Gruppe von Liedern trainiert, die Menschen bereits bewertet hatten, sodass er lernte, dieselben Bewertungen abzugeben wie ein Mensch. Sobald der Roboter bereit war, bewertete er die gesamte Bibliothek der Lieder und erstellte eine riesige Datentabelle, die genau zeigt, wie viel von welchem Thema in jedem einzelnen Track vorkommt.
Die Ergebnisse sind etwas überraschend und definitiv nicht das, was man erwarten würde, wenn man einfach nur das Radio hört. Erstens fand die Studie, dass Reggaeton zwar tatsächlich voll von sexuellen Themen ist, die „andeutende“ Art (suggestiv) jedoch tatsächlich doppelt so häufig vorkommt wie die „direkte“ Art (explizit). Es ist, als würde man feststellen, dass die meisten Party-Songs eher von der Idee einer wilden Nacht handeln als von der detaillierten Beschreibung der wilden Nacht selbst. Zweitens sind die Künstler nicht alle gleich. Einige, wie Plan B, sind wie eine scharfe Chilischote und erzielen sehr hohe Werte bei direktem sexuellem Inhalt. Andere, wie Camilo, sind eher wie ein süßes Dessert, mit Texten, die fast ausschließlich von romantischer Liebe handeln und kaum sexuelle Anspielungen enthalten. Die Studie zeigt, dass es ein Fehler ist, alle Reggaeton-Künstler als eine einzige Gruppe zu behandeln; sie unterscheiden sich voneinander so sehr wie eine Heavy-Metal-Band von einem Jazz-Trio.
Das Papier untersuchte auch, wie sich die Dinge im Laufe der Zeit verändert haben, von 2002 bis 2025. Entgegen der Vorstellung, dass das Genre in jeder Hinsicht „wilder“ wird, fand die Studie heraus, dass das Thema „Straßenkriminalität“ tatsächlich zurückgeht, während das Thema „romantische Emotion“ stärker wird. Allerdings hat sich der „direkt explizite“ sexuelle Inhalt in den letzten zwei Jahrzehnten verdoppelt. Das bedeutet, dass das Genre nicht nur suggestiver wird; es wird in seiner Sprache direkter, aber es wird auch emotionaler und weniger auf Kriminalität bezogen.
Schließlich überprüfte der Autor die Arbeit des Computers anhand von Spotifys eigenem „Explicit“-Label (das kleine „E“, das man neben einem Song sieht). Der Computer stellte fest, dass Spotify einen riesigen Teil der expliziten Inhalte übersieht. Von jeweils vier Songs, die der Computer als explizit sexuelle Texte identifizierte, markierte Spotify nur einen von ihnen. Es ist wie ein Sicherheitsmann, der nur nach großen, lauten Waffen sucht, aber die kleineren, schärferen Messer übersieht. Dies deutet darauf hin, dass die derzeitige Art und Weise, wie Streaming-Dienste Musik kennzeichnen, ein zu stumpfes Instrument ist, um die spezifische Art von sexuellem Inhalt zu erfassen, die in diesen Songs vorkommt.
Kurz gesagt: Dieses Papier sagt nicht nur „Reggaeton ist sexy“. Es nutzt eine clevere Computermethode, um zu beweisen, dass das Genre eine komplexe Mischung aus Romantik, Partystimmung und direktem Sex-Talk ist und dass es sich in spezifischen Arten über die letzten 20 Jahre verändert hat. Es zeigt auch, dass die Werkzeuge, die wir derzeit verwenden, um Musik zu kennzeichnen (wie das Spotify-Flag), nicht sehr gut darin sind, die spezifischen Details zu erfassen, die Forscher und Zuhörer vielleicht interessieren. Der Autor hat den Code und die Daten geteilt und lädt jeden dazu ein, dieselbe Robotergehirn-Methode zu nutzen, um andere Musikgenres oder sogar andere Sprachen zu untersuchen – und verwandelt so die langsame Kunst des Lesen von Songtexten in eine schnelle, messbare Wissenschaft.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.