[发明专利]基于神经网络的歌词生成方法、装置、设备和存储介质

权利要求书

1.一种基于神经网络的歌词生成方法，其特征在于，所述歌词生成方法包括：

根据输入的歌曲风格类型，从全集中搜索到与所述歌曲风格类型相对应的子集，所述全集是指包括所有风格类型的字词的集合，所述子集是指包括某个风格类型的字词的集合；

根据输入的歌词特征词，从所述子集中生成对应的多个字或词；

计算所述多个字或词为当前词的下一个词的概率，并结合歌词规则得到下一个将要输出的词，其中，基于循环神经网络模型实现所述将要输出的词的概率计算和规则评选；

基于马尔科夫模型判断所述将要输出的词与其前几个词之间的联系是否紧密，若判断为是，则输出该词，若判断为否，则基于所述循环神经网络模型根据所述特征词重新生成新的词；

根据输入的歌词的字数要求，对将要输出的一句歌词进行字数判断，若字数符合要求则输出该句歌词，若字数不符合要求则重新生成该句歌词。

2.如权利要求1所述的一种基于神经网络的歌词生成方法，其特征在于，在所述根据输入的歌曲风格类型，从全集中搜索到与所述歌曲风格类型相对应的子集之前，包括：

从数据库中获取一定数量的不同风格类型的歌曲进行学习；

在学习阶段，设置初始权重，当该权重值随学习深度的增加而达到一定精度后进入工作阶段；

在工作阶段，根据不同风格类型的歌曲筛选相关词，形成包含各风格类型的全集，所述全集中包含了与各风格类型相关的所有字和词以及通用的、中性的字和词。

3.如权利要求1所述的一种基于神经网络的歌词生成方法，其特征在于，所述根据输入的歌词特征词，从所述子集中生成对应的多个字或词，包括：

获取每一句歌词的特征词并进行比较，若所有的所述特征词都一致时，直接从对应的所述子集中搜索与所述特征词最相近的字或词；若存在多个所述特征词时，则根据所述特征词分别从对应的所述子集中搜索对应的字或词。

4.如权利要求1所述的一种基于神经网络的歌词生成方法，其特征在于，所述计算所述多个字或词为当前词的下一个词的概率，并结合歌词规则得到下一个将要输出的词，包括：

计算所述特征词对应的所述多个字或词中的每一个字或词可能成为当前词的下一个词的概率，并对高于预设概率的字或词进行标记；

根据当前词词末的押韵和词组的风格类型建立歌词规则；

根据所述标记和所述歌词规则综合评选出下一个将要输出的词。

5.如权利要求1所述的一种基于神经网络的歌词生成方法，其特征在于，所述计算所述多个字或词为当前词的下一个词的概率，并结合歌词规则得到下一个将要输出的词，还包括基于循环神经网络模型来实现所述将要输出的词的概率计算和规则评选，具体包括：

根据权重矩阵U计算得到隐藏层S的权重矩阵，所述隐藏层S的权重矩阵的计算公式如公式(1)所示，

S_t＝f(U×X_t+W×S_t1)   (1)，

公式(1)中t表示时刻，S_t表示t时刻隐藏层的权重矩阵，U、W为自定义概率变换矩阵，S_t1表示t1时刻隐藏层的权重矩阵，X_t表示输入的独热向量；所述隐藏层S的权重矩阵取决于输入向量X，同时还通过权重矩阵W与隐藏层的上一次的值S相关；

在所述隐藏层S通过权重矩阵V后，输出一个与已生成的所有词都有一定联系的词，输出的词的计算公式如公式(2)所示，

O_t＝g(V×S_t)    (2)，

公式(2)中O_t表示t时刻输出层输出的结果，V为自定义概率变换矩阵，g表示学习效率。

6.如权利要求1所述的一种基于神经网络的歌词生成方法，其特征在于，所述判断所述将要输出的词与其前几个词之间的联系是否紧密，若判断为是，则输出该词，若判断为否，则根据所述特征词重新生成新的词，包括：

基于马尔科夫模型来判定所述将要输出的词与前几个词的联系是否紧密，如果判定结果为是，则输出该词；如果判定结果为否，则返回至基于循环神经网络模型中的权重矩阵U，调整权重矩阵U，继续生成新的词。