[发明专利]一种构建和弦转换向量的方法、装置及计算机可读存储介质

权利要求书

1.一种构建和弦转换向量的方法，其特征在于，所述方法包括：

获取待分析的和弦样本；

对所述待分析的和弦样本进行预处理，得到样本编码数据集；

按照所述和弦样本的和弦进行的时序，将所述样本编码数据集输入神经网络模型进行训练，所述神经网络模型的输出为t时刻的预测和弦编码；

根据所述神经网络模型的目标函数确定所述样本编码数据集的训练质量；

获得满足预设训练质量时所述神经网络模型隐藏层的权值，作为和弦转换向量。

2.根据权利要求1所述的构建和弦转换向量的方法，其特征在于，所述对所述待分析的和弦样本进行预处理包括：

确定所述和弦样本的根音；

计算所述根音的频率；

基于所述根音，将所述和弦样本组成的音符进行归一化处理，得到归一化和弦；

基于十二平均律，将所述归一化和弦进行拆分，得到律制和弦；

对所述律制和弦进行独热编码，得到编码和弦；

将所述根音的频率与所述编码和弦组合，得到所述样本编码数据集；

其中，所述样本编码数据集按照预设比例分为样本编码训练集和样本编码验证集。

3.根据权利要求2所述的构建和弦转换向量的方法，其特征在于，所述将所述样本编码数据集输入神经网络模型进行训练包括：

将所述样本编码训练集输入所述神经网络模型，作为训练神经网络模型的神经元。

4.根据权利要求2所述的构建和弦转换向量的方法，其特征在于，所述将所述样本编码数据集输入神经网络模型进行训练还包括：

每隔预设训练间隔，计算所述神经网络模型在所述样本编码验证集上的和弦样本预测准确率；

当所述和弦样本预测准确率低于第一预测阈值时，判定神经网络模型输出的预测和弦编码的质量不合格；

当所述和弦样本预测准确率高于第二预测阈值时，判定所述预测和弦编码的质量合格。

5.根据权利要求4所述的构建和弦转换向量的方法，其特征在于，所述目标函数为：

L＝E[||chord_predict(t)-chord_ground_truth(t)||₂]

其中，chord_predict(t)为t时刻的预测和弦编码，chord_ground_trueth(t)为所述样本编码数据集中t时刻的和弦编码；E(X)表示期望函数。

6.根据权利要求5所述的构建和弦转换向量的方法，其特征在于，所述根据所述神经网络模型的目标函数确定所述样本编码数据集的训练质量包括：

计算所述目标函数的当前计算值；

当所述目标函数的当前计算值低于第一损失阈值时，判定所述预测和弦编码合格；

当所述目标函数的当前计算值高于第二损失阈值时，判定所述预测和弦编码不合格。

7.根据权利要求4或6所述的构建和弦转换向量的方法，其特征在于，所述根据所述神经网络模型的目标函数确定所述样本编码数据集的训练质量还包括：

根据所述目标函数的当前计算值以及所述和弦样本预测准确率确定所述神经网络模型输出的预测和弦编码的质量。

8.一种构建和弦转换向量的装置，其特征在于，所述装置包括：

样本获取模块，用于获取待分析的和弦样本；

预处理模块，用于对所述待分析的和弦样本进行预处理，得到样本编码数据集；

输入模块，用于按照所述和弦样本的和弦进行的时序，将所述样本编码数据集输入神经网络模型进行训练，所述神经网络模型的输出为t时刻的预测和弦编码；

确定模块，用于根据所述神经网络模型的目标函数确定所述样本编码数据集的训练质量；

输出模块，用于获得满足预设训练质量时所述神经网络模型隐藏层的权值，作为和弦转换向量。