[发明专利]佛乐生成方法、装置、设备及存储介质

权利要求书

1.一种佛乐生成方法，其特征在于，所述佛乐生成方法包括：

获取佛教音乐的数字文件，并利用预设的佛乐知识词库将所述数字文件进行离散化处理，得到离散序列；

通过独热编码算法，将所述离散序列转化为向量矩阵，其中，所述向量矩阵包括所述数字文件中每个时间点的输入向量；

将所述向量矩阵输入到预置3-gram mLSTM模型中获得第一向量集和第二向量集，其中，所述3-gram mLSTM模型为基于积性循环神经网络和长短记忆循环神经网络训练得到的包含双层隐含层的佛乐生成模型；

根据所述第一向量集和第二向量集，生成所述数字文件的最终向量集；

对所述最终向量集进行梯度下降反向传播操作，生成所述数字文件对应的佛乐；

其中，所述通过独热编码算法，将所述离散序列转化为向量矩阵包括：提取所述离散序列所包含的单词，并将所述离散序列中的所有所述单词排列成词汇表；其中，所述词汇表中不含有重复的单词；依次将所述离散序列所包含的每个单词在所述词汇表中对应的位置采用预设数字进行标记，得到与所述离散序列对应的独热编码向量；将所述离散序列对应的独热编码向量相互组合，形成向量矩阵；

所述3-gram mLSTM模型包括第一隐含层和第二隐含层，所述第一隐含层包括第一中间层，所述第二隐含层包括第二中间层；将所述向量矩阵输入到预置3-gram mLSTM模型中，通过所述3-gram mLSTM模型获得第一向量集和第二向量集包括：将所述向量矩阵中每个时间戳对应的输入向量依次输入至所述3-gram mLSTM模型中，通过所述第一中间层基于其对应的第一模型参数矩阵和前一次总输出的向量计算出第一向量集；将所述向量矩阵中每个时间戳对应的输入向量依次输入至所述3-gram mLSTM模型中，通过所述第二中间层基于其对应的第二模型参数矩阵和前前一次总输出的向量计算出第二向量集；

所述将所述向量矩阵中每个时间戳对应的输入向量依次输入至所述第一中间层中，所述第一中间层基于其对应的第一模型参数矩阵和前一次总输出的向量计算出第一向量集包括：将所述向量矩阵中的输入向量输入至所述第一隐含层中，确定所述输入向量对应的第一时间戳t；基于所述第一时间戳t确定所述第一时间戳t的第二时间戳t-1总输出的向量；根据所述第一模型参数矩阵和所述第二时间戳t-1总输出的向量，计算出中间向量；根据所述中间向量和输入向量，计算出所述第一中间层的第一输出向量和隐变量向量；根据所述第一输出向量和隐变量向量，计算出所述第一时间戳t对应的第一向量；直到所述向量矩阵中的所有时间戳对应的输入向量计算完成后，形成第一向量集；

所述将所述向量矩阵中每个时间戳对应的输入向量依次输入至所述3-gram mLSTM模型中，通过所述第二中间层基于其对应的第二模型参数矩阵和前前一次总输出的向量计算出第二向量集包括：基于所述第一时间戳t确定所述第一时间戳t的第三时间戳t-2总输出的向量；根据所述第二模型参数矩阵和所述第三时间戳t-2总输出的向量，计算出结果向量；将所述结果向量输入至所述第一中间层进行反向计算，得到第三模型参数矩阵，并更新所述第二模型参数矩阵；根据所述第三模型参数矩阵和结果向量，计算出所述第一时间戳t对应的第二向量；直到所述向量矩阵中的所有时间戳对应的输入向量计算完成后，形成第二向量集。

2.根据权利要求1所述的佛乐生成方法，其特征在于，所述利用预设的佛乐知识词库将所述数字文件进行离散化处理，得到离散序列包括：

利用预设的分词算法将所述数字文件按照相同宽度划分为N等份，N为大于0的自然数；

将每等份的数字文件与所述佛乐知识词库进行匹配，并将匹配的数字文件等份作为离散的单词；

根据所述数字文件的时间戳，将所有离散的单词进行排序，得到离散序列。