[发明专利]基于语义的音乐检索的方法

说明书

基于语义的音乐检索的方法，属于云计算大数据领域，用于解决的问题是：在中文歌曲数据集中，尚缺乏有效的自动化语义标注和交互式检索，技术要点是：从原始音频底层特征出发，利用语义标注模型，将音频内容映射到基于标签的语义特征空间中。效果是：该系统能够更自然、准确的获取用户检索意图，使用户获得更好的检索体验，方便用户找到和发现“想”要歌曲。

技术领域

本发明涉及一种检索系统，尤其涉及基于语义数据的音乐检索系统。

背景技术

在音乐中体会到的语义，如情绪、风格等用户主观感受，是鼓励人们去聆听和追求音乐的重要因素之一。而作为音乐高级语义特征，音乐语义的识别及基于语义的检索，一直是音乐信息检索(Music Information Retrieval，MIR)领域研究者研究的难点和热点。音乐底层物理特征与高层语义特征之间的“鸿沟”，曾经困扰和制约着基于内容的音乐检索研究的发展。随着技术的发展和研究的深入，研究者通过各种方式建立音乐特征与语义间的联系，逐步缩小鸿沟。许多研究工作，如基于音频特征进行情感分类，基于音乐歌词辅助的情感分类，音频特征与歌词文本结合，音频特征歌词文本及社会化标注的情感分类等，使得音乐情感分类目前已经取得了较好的效果。一些系统将音乐语义标注系统，实现为有监督多标签标注系统(Supervised Multi-class Labeling，SML)，使得基于音乐语义的检索得以实现，人们可以检索到符合特定语义标签的音乐。但语义的体会往往因人而异，有很强的主观性和个性化特点。此外，类似的音乐数据库多集中在西方音乐中，对中文歌曲鲜有完成自动化语义标注的音乐数据库。

发明内容

为了解决将音频内容映射到基于标签的语义特征空间中的问题，本发明提出如下技术方案：

一种基于语义的音乐检索的方法，包括如下步骤：音乐检索；音乐语义交互及音乐推荐。

进一步的，所述音乐检索的方法如下：标注音乐数据集，该数据集中每首音乐被表示成一个维的特征向量据集；按照卷积神经网络结构，使用已知标记数据集中特征向量间的关系训练网络，得到网络参数；使用训练好的网络模型，将待检索数据集中每首音乐作为输入，得到网络输出；根据网络输出，计算待检索数据集中每首音乐的语义向量，得到语义向量集；将示例音乐作为卷积神经网络输入，得到网络输出值，计算示例音乐的语义向量；计算语义向量集和示例音乐和示例音乐之间的余弦距离；令在语义空间中与示例音乐最相似的音乐列表是余弦距离最小的前n首音乐的集合；输出在语义空间中与示例音乐最相似的音乐列表。

所述音乐语义交互的方法如下：将用户当前播放音乐输入到训练好的卷积网络，得到网络输出；计算用户当前播放音乐的语义向量：为标注音乐数据集中的每首音乐，计算语义向量，并得到语义向量集；使用k-means算法对语义向量集聚类，根据音乐数据集中歌曲数量确定类别个数，选取每个类别的中心组成语义向量核心集；计算与语义向量核心集中每个向量的余弦距离，得到语义最相似的音乐语义向量；返回所在类别中的所有歌曲列表作为推荐音乐专辑。

进一步的，所述音乐推荐的方法如下：如果用户所播放的音乐记录集含有内容，新建用户语义配置文件，插入UID，用户语义向量，用户语义向量长度为语义标签个数；如果用户所播放的音乐记录集含有内容，取其中的一首歌曲语义向量与用户语义向量按位求和，并赋值给用户的语义向量；设置阈值T，将从用户的语义向量中累加得到的c个值排序，排在Top-T位的标签置为1，其余标签位置为0；按照UID，使用用户的语义向量更新相应的用户语义配置文件；对音乐语义向量中的标签，收集了用户播放的次数，且标签按照收听次数排序，将排在前几位的标签设置为用户的兴趣点，存放在用户语义配置文件当中，利用配置文件，为用户推荐语义相似的音乐专辑。