本文主要介绍可将音乐情感量化的音乐情感模型及音乐情感分类方法，主要目的是将模糊的音乐情感色彩转化为可以量化、可以分类的标签化形式。
1. P-A-D三维情感模型
在1974年Mehrabian和Russell提出PAD三维情感模型前，在对音乐、图像等数据进行情感分类时难以做到有效量化，或只能以简单的二值进行分类。
在PAD维度观测量模型中，P代表能够体现个体情感状态正负特性的愉悦度，A代表能够体现每个个体的神经生理激活水平的激活度，D则代表能够反映个体对情景和他人的控制状态的优势度 。所有的情感都可以通过在P-A-D坐标系中的坐标来进行表示。
2. Thayer二维情感模型
它是一个二维维度形式的情感模型，横坐标为压力，纵坐标为能量。按能量因素的强弱，构成纵坐标从平静到活力的不同程度的情感反应。按压力因素的强弱，形成横坐标从快乐到焦虑的不同程度的情感反应。对应横纵坐标，将象限分割为四大区域：兴高采烈的、焦虑的、恐惧的、沮丧的、满足的。
3. VA（效价-唤醒，Valence-Arousal）情感模型
效价−唤醒二维模型(valence-arousal, VA) 描述情感的极性和度量情感程度，能够表示大部分情感。垂直轴是激活度维，是对情感激烈程度的描述；水平轴是效价维，是对情感正负面程度的评价。情感状态的日常语音标签和该坐标空间可以进行相互转化，通过对情感状态语言描述的理解和估计，就可以找到它在情感空间中的映射位置。
4. Hevner离散模型
1935 年 Hevner用 67 个词来描述音乐情感，并将这些词中相似情感反应的词语归于一类，共分为 8 类，并将这 8 类词语依其相互关系置于情感环模型中，如图所示。这 8 类词语中的任一类在音乐情感上都是与其相邻的类存在递进联系，8 类之间的情感是可以相互平滑过渡的，共同构成环状情感模型来象征音乐作品的情感反应。
5. 音乐情感分类
而在对音乐所表达的情感进行分类方面，通过文献研究可以看出，到2020年已有大量文献进行多模态音乐情感分类研究，可以说明深度学习和多模态方法已经成为了音乐情感分类的主流和大趋势。
