[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

说明书

本发明公开了一种构建和弦转换向量方法、装置及计算机可读存储介质，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。

技术领域

本发明涉及机器学习技术领域，尤其涉及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。

背景技术

现有技术中，现有的和弦分析都是基于符号形式表达来进行的，是人类在高层面的经验抽象总结。如果用机器来进行和旋数据的分析工作，需要将和弦数据的表达形式转换为数学的向量形式，以方便和弦数据的读取和计算。在智能音乐研究领域，尚没有成熟的技术方案能将和弦数据编码为向量(Vector)表示形式。若是基于人工定义规则的形式分析并处理和弦数据，需要丰富的乐理知识，并且处理效率极低。和弦数据缺乏转换为向量表示形式，在人工智能领域无法从数值分析的角度去处理原生形式为离散的和弦数据，并将其作为机器学习的资源数据。因此现有技术缺乏将不同的和弦转换为实现一种向量表示形式，不利于和弦数据应用于人工智能领域。

发明内容

为解决上述技术问题，本发明实施例提供了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。

本发明实施例提供的构建和弦转换向量的方法包括：

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。

其中，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。

其中，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。

其中，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。

其中，所述目标函数为：

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