CN108363769A - 基于语义的音乐检索数据集的建立方法 - Google Patents

基于语义的音乐检索数据集的建立方法 Download PDF

Info

Publication number
CN108363769A
CN108363769A CN201810122338.2A CN201810122338A CN108363769A CN 108363769 A CN108363769 A CN 108363769A CN 201810122338 A CN201810122338 A CN 201810122338A CN 108363769 A CN108363769 A CN 108363769A
Authority
CN
China
Prior art keywords
semantic
music
label
song
data set
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810122338.2A
Other languages
English (en)
Inventor
秦静
汪祖民
季长清
闫妍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University
Original Assignee
Dalian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University filed Critical Dalian University
Priority to CN201810122338.2A priority Critical patent/CN108363769A/zh
Publication of CN108363769A publication Critical patent/CN108363769A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/61—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/686—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, title or artist information, time, location or usage information, user ratings

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Library & Information Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

基于语义的音乐检索数据集的建立方法，属于云计算大数据领域，用于解决的问题是：建立基于语义的音乐检索数据集，技术要点是：中文歌曲数据爬取；标签选择；语义向量集生成，效果是：该数据集能够更自然、准确的获取用户检索意图。

Description

基于语义的音乐检索数据集的建立方法
技术领域
本发明涉及一种检索数据集建立方法，尤其涉及基于语义的音乐检索数据集的建立方法。
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
基于语义的音乐检索数据集的建立问题，本发明提出如下技术方案：
一种基于语义的音乐检索数据集的建立方法，包括：中文歌曲数据爬取；标签选择；语义向量集生成。
中文歌曲数据爬取的步骤如下：数据集中包含了500首不同艺术家的作品，每首歌至少被三人独立标注，标注词集合中包含174个标签，每首歌如果被80％以上的人用某个词标注过，则在标注向量中值为1，否则值取0，对中文音乐及其标签信息进行了爬取和补充。
对中文音乐及其标签信息进行了爬取和补充步骤如下：基于python第三方库设计程序对音乐的信息爬取，爬取过程如下：①.从页面获取所有标签对应的url以及分类；
②.逐个遍历获取各个标签url下的歌曲url；
③.遍历所有歌曲url，获取歌曲信息，以固定字符串格式写入文件，all_<标签名>.txt是所有歌曲的信息，每个歌曲所有信息对应一行；④.运行结束，爬取完所有标签下的歌曲信息。
爬取完所有标签下的歌曲信息生成以下文件:
①.file文件夹下存的是各个主题；
②.主题文件夹下是的标签名以及url_list.txt是各个标签对应的url；
③.标签名文件夹存的是歌词和all_<标签名>.txt是所有歌曲的信息。
标签选择的方法如下：为了将中英文数据集合并，对中英文标注标签进行了选择，首先将标签分为：场景、流派、乐器、情感四大类，从CAL500数据集的174个标签中，剔除语义重复值，与爬取到的中文的标签语义对应求交集，最终选定33个中英文对照语义标签。
语义向量集生成方法如下：按照语义标签的选择及标注情况，计算语义向量，根据标签标注情况，得到数据集中中英文歌曲对应的语义向量集，得到的语义向量集分为训练集和测试集用于卷积神经网络的训练和测试，根据标签选择及中文歌曲爬取策略，爬取并整理中文歌曲1000首，与CAL500数据集中的英文歌曲合并后，去除长度或标签不符的歌曲，数据集中包含中英文歌曲共1483首，按照音乐推荐算法，对上述音乐进行聚类，形成推荐专辑70个。
有益效果：基于语义的音乐检索数据集被建立，可以通过利用语义标注模型，将音频内容映射到基于标签的语义特征空间中，试图跨越声学特征的提取困难，找到原始信号与语义之间的联系。同时，对音乐数据库中的爬取到的音乐也使用训练好的模型完成自动标注，使检索示例与音乐数据库在语义空间中进行相似度的比较，获得语义相关的音乐，设计良好的用户交互界面，将语义信息充分表达给用户，同时方便用户对语义表达方式做相应的修改，便于用户表达个人对某个音乐的主观感受。
附图说明
图1为音乐检索页面图；
图2为语义交互页面图；
图3为音乐推荐页面图；
图4为语义标签及其类别图；
图5基于语义的音乐检索交互模型框架图。
具体实施方式
本发明提供了一种基于语义数据集的音乐检索方法，此方法的作用在于，它可以通过利用语义标注模型，将音频内容映射到基于标签的语义特征空间中，试图跨越声学特征的提取困难，找到原始信号与语义之间的联系。同时，对音乐数据库中的爬取到的音乐也使用训练好的模型完成自动标注，使检索示例与音乐数据库在语义空间中进行相似度的比较，获得语义相关的音乐，设计良好的用户交互界面，将语义信息充分表达给用户，同时方便用户对语义表达方式做相应的修改，便于用户表达个人对某个音乐的主观感受。保存用户对歌曲的标注信息，有利于扩展中文音乐数据集，进而优化有监督标记算法效率，设计了用户语义配置文件，用于音乐推荐及查询扩展。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”要的歌曲。
一种基于语义的音乐检索方法，主要包含音乐检索、音乐语义交互及音乐推荐的步骤，系统界面设计及实现结果如下：
音乐检索：
根据卷积神经网络的音乐语义自动化标注算法的基础上，进一步设计一套基于语义的音乐检索算法，如算法1所示：
算法1:基于示例语义的音乐检索算法
输入: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；
输出:在语义空间中与示例音乐最相似的音乐列表；
算法描述：
按照设计好的卷积神经网络结构，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。
音乐语义交互
为了充分利用用户交互信息，设计基于交互信息的推荐算法，通过该算法，可以根据用户当前正在播放的音乐信息，计算其语义向量。同时，收集用户在交互界面上输入的语义标签，组成语义标签集。对标注数据集中的音乐，将其映射到语义向量集中，对该向量集中的音乐，使用k-means算法对其聚类。根据数据集中的音乐作品数量，聚成大小为二十首歌曲的类别，将每个类别中心的语义向量集中起来组成语义向量核心集，从而减少相似度比较的次数，提高系统反馈速度。最后，将语义向量核心集中，余弦距离最短的语义向量对应的音乐列表作为音乐推荐专辑。如算法2所示
算法2:基于交互信息的音乐推荐算法
输入:用户当前播放音乐，标注音乐数据集，用户交互输入标签集；
输出:语义相似的音乐专辑；
算法描述:
1.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；
2.计算用户当前播放音乐的语义向量；
3.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；
4.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；
5.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；
6.返回所在类别中的所有歌曲列表作为推荐音乐专辑。
音乐推荐
用户与音乐、标签之间有密不可分的关系，如果以音乐为纽带，建立起用户与语义标签之间的关系，就可以用来发现用户的收听习惯和音乐兴趣，因此，本发明设计了用户语义配置文件的生成算法，如算法3所示。
算法3:用户语义配置文件生成算法
输入:用户注册UID、用户所播放的音乐记录集；
输出:用户语义配置文件
算法描述:
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Su≡<0，0,…,0>，用户语义向量长度为语义标签个数c；
2.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；
3.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。
4.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
通过该算法，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，即可为用户推荐语义相似的音乐专辑。
检索数据集的建立
使用了CAL500数据集，该数据集中包含了500首不同艺术家的作品，每首歌至少被三人独立标注。标注词集合中包含174个标签，每首歌如果被80％以上的人(或至少两人)用某个词标注过，则在标注向量中值为1，否则值取0。由于与中文歌曲检索相关的技术的缺乏，本专利为了使系统适用于中文歌曲使用环境，对中文音乐及其标签信息进行了爬取和补充，具体步骤如下
(1)中文歌曲数据爬取
基于python第三方库设计程序对百度音乐的信息爬取，爬取链接http:// music.baidu.com/tag，爬取过程如下：①.从http://music.baidu.com/tag页面获取所有标签对应的url以及分类。②.逐个遍历获取各个标签url下的歌曲url，例如遍历标签的url＝"http://music.baidu.com/tag/％E6％96％B0％E6％AD％8C"，下的歌曲。(后面的url编码解码后为“新歌”，相当于遍历标签为新歌下的所有歌曲，"http://music.baidu.com/ tag/HYPERLINK"http://music.baidu.com/tag/新歌"HYPERLINK"http:// music.baidu.com/tag/新歌"HYPERLINK"http://music.baidu.com/tag/新歌"新歌")。③.遍历所有歌曲url，获取歌曲信息，以固定字符串格式写入文件，all_<标签名>.txt是所有歌曲的信息，每个歌曲所有信息对应一行。④.运行结束，爬取完所有标签下的歌曲信息。程序运行后会生成以下文件:①.file文件夹下存的是各个主题：如场景、风格等等。②.主题文件夹下是的标签名：如热门主题下有80后、DJ舞曲等等，以及url_list.txt是各个标签对应的url。③.标签名文件夹存的是歌词(.lrc文件)和all_<标签名>.txt是所有歌曲的信息。
(2)标签选择
为了将中英文数据集合并，对中英文标注标签进行了选择，首先将标签分为：场景、流派、乐器、情感四大类。从CAL500数据集的174个标签中，剔除语义重复值，与爬取到的中文的标签语义对应求交集，最终选定33个中英文对照语义标签，标签分类及对应关系如图4所示。
(3)语义向量集生成
按照语义标签的选择及标注情况，计算语义向量，根据标签标注情况，可得到数据集中中英文歌曲对应的语义向量集，得到的语义向量集分为训练集和测试集用于卷积神经网络的训练和测试。本专利还设计了数据库存储标签类别、标签及歌曲标注情况，且能够随时根据算法需要生成语义向量集。
根据标签选择及中文歌曲爬取策略，爬取并整理中文歌曲1000首。与CAL500数据集中的英文歌曲合并后，去除长度或标签不符的歌曲，数据集中包含中英文歌曲共1483首。按照音乐推荐算法，对上述音乐进行聚类，形成推荐专辑70个。
音乐检索：如附图1所示，在搜索界面中，用户可以通过移动滑动条在音乐库中寻找符合条件的音乐。如“清新值”较大，那么搜索出的音乐风格会偏向清新、自然。当然，系统会根据用户对“清新值”、“伤感值”、“阳光值”、“热烈值”滑动条的移动情况综合搜索，得到用户想要的音乐。
音乐语义交互界面：作为最重要的交互界面，系统中设计了符合音乐语义标签表达的交互界面如图2所示。其中，音乐场景表达为播放窗口背景颜色，且选择与使用场景语义相符的颜色与之对应，例如用紫色表征浪漫的婚礼场景。音乐风格使用一组表现不同音乐风格的人物图片表示，当音乐属于不同风格时，播放窗口中的人物造型会发生相应的改变。音乐中的乐器标签，使用播放窗口小圆圈中的乐器图标表示。同时，该歌曲表现出的情感，会对应的在情感按钮区域表现为选中状态，并且也使用了不同颜色表现与之对应的情感信息，如蓝色表示安静、红色表示激情等。该界面的使用包含三个方面，首先当用户选中一首音乐播放时，系统从服务器端获取该歌曲的语义向量，解析歌曲都被哪些标签标注过，按照标签对应语义在界面上的表现形式，展现给用户。其次，当用户对系统提供的语义不满或要做补充时，可以任意选择界面上的语义表达控件，保存自己的选择到服务器端。服务器端接收用户对歌曲的标注信息，存储在数据库临时表中，且判定当一首歌被不同用户标记次数超过一定值时，写入到歌曲标注信息表中。最后，用户在交互界面上更改或选定语义控件后，退出播放界面时，系统接收用户语义控件值，转成语义向量，根据音乐交互推荐算法，将推荐结果显示在音乐推荐界面上。
基于交互信息的音乐推荐：系统接收用户通过交互界面提交的语义信息后，会自动生成语义向量作为推荐示例，根据音乐交互推荐算法，从数据集中选择与示例语义最相似的音乐专辑显示给用户，推荐专辑界面如图3所示另外，系统设计并实现了用户注册、登录功能，登录用户将根据用户语义配置文件生成算法，为用户生成并保存用户语义配置文件到数据库中。当用户再次登录时，会按照用户语义配置文件中的语义向量，在数据集中检索语义最相似的专辑推荐到首页中。
本发明实现了一个基于语义的交互式音乐检索方法，其创新之处在于以卷积神经网络算法为基础实现了从音乐内容到音乐语义向量空间的映射，设计了具有丰富语义的交互界面，用于音乐语义的表达。设计了基于交互的音乐检索和推荐算法，且生成了用户语义配置文件。能够根据用户在交互界面上的相关操作，转化成语义向量，在数据集中检索语义相似的音乐，或为用户推荐符合用户语义的相关音乐专辑。爬取整理了中英文数据集，通过交互系统实现了对标注数据集的更新和补充，从而加强了数据集的可扩展性。该原型系统的实现，对基于语义的音乐检索算法研究和开发音乐搜索引擎，都有较强的研究价值和实用价值。
在另一种实施例中，一种基于语义数据集的音乐检索交互方法，包括：
S1，通过从原始音频底层特征，如常用的MFCC系数出发，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，试图跨越声学特征的提取困难，找到原始信号与语义之间的联系。同时，对音乐数据库中的爬取到的音乐也使用训练好的模型完成自动标注，通过检索示例与音乐数据库在语义空间中进行相似度的比较，获得语义相关的音乐，设计良好的用户交互界面，将语义信息充分表达给用户，同时方便用户对语义表达方式做相应的修改，便于用户表达个人对某个音乐的主观感受。保存用户对歌曲的标注信息，有利于扩展中文音乐数据集，进而优化有监督标记算法效率，设计了用户语义配置文件，用于音乐推荐及查询扩展。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”要的歌曲。
S2基于示例语义的音乐检索交互设计：在本发明中，程序可以按照设计好的卷积神经网络结构得到语义特征向量，同时利用标注数据集中的数据可得到和完善交互信息，交互信息通过交互检索及推荐算法，得到交互结果。
S3基于交互信息的音乐推荐算法：本发明设计了基于交互信息的推荐算法，通过该算法，可以根据用户当前正在播放的音乐信息，计算其语义向量。同时，将用户在交互界面上输入的语义标签收集起来，组成语义标签集。对标注数据集中的音乐，将其映射到语义向量集中，对该向量集中的音乐，使用k-means算法对其聚类。根据数据集中的音乐作品，聚成不同的的类别，每个类别有二十首歌曲。将每个类别中心的语义向量集中起来组成语义向量核心集，从而减少相似度比较的次数，提高系统反馈速度。最后，将语义向量核心集中，余弦距离最短的语义向量对应的音乐列表作为音乐推荐专辑，以达到高效率地为客户提供所需音乐的效果。
S4用户语义配置文件生成：用户与音乐、标签之间有密不可分的关系，本专利设计了用户语义配置文件的生成算法；以音乐为纽带，建立起用户与语义标签之间的关系，用来发现用户的收听习惯和音乐兴趣，从而给用户带来更好的体验。
以上所述，仅为本发明创造较佳的具体实施方式，但本发明创造的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明创造披露的技术范围内，根据本发明创造的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明创造的保护范围之内。

Claims (6)

1.一种基于语义的音乐检索数据集的建立方法，其特征在于，包括：中文歌曲数据爬取；
标签选择；
语义向量集生成。
2.如权利要求1所述的基于语义的音乐检索数据集的建立方法，其特征在于，中文歌曲数据爬取的步骤如下：数据集中包含了500首不同艺术家的作品，每首歌至少被三人独立标注，标注词集合中包含174个标签，每首歌如果被80％以上的人用某个词标注过，则在标注向量中值为1，否则值取0，对中文音乐及其标签信息进行了爬取和补充。
3.如权利要求2所述的基于语义的音乐检索数据集的建立方法，其特征在于，对中文音乐及其标签信息进行了爬取和补充步骤如下：基于python第三方库设计程序对音乐的信息爬取，爬取过程如下：
①.从页面获取所有标签对应的url以及分类；
②.逐个遍历获取各个标签url下的歌曲url；
③.遍历所有歌曲url，获取歌曲信息，以固定字符串格式写入文件，all_<标签名>.txt是所有歌曲的信息，每个歌曲所有信息对应一行；
④.运行结束，爬取完所有标签下的歌曲信息。
4.如权利要求3所述的基于语义的音乐检索数据集的建立方法，其特征在于，爬取完所有标签下的歌曲信息生成以下文件:
①.file文件夹下存的是各个主题；
②.主题文件夹下是的标签名以及url_list.txt是各个标签对应的url；
③.标签名文件夹存的是歌词和all_<标签名>.txt是所有歌曲的信息。
5.如权利要求4所述的基于语义的音乐检索数据集的建立方法，其特征在于，标签选择的方法如下：为了将中英文数据集合并，对中英文标注标签进行了选择，首先将标签分为：场景、流派、乐器、情感四大类，从CAL500数据集的174个标签中，剔除语义重复值，与爬取到的中文的标签语义对应求交集，最终选定33个中英文对照语义标签。
6.如权利要求5所述的基于语义的音乐检索数据集的建立方法，其特征在于，语义向量集生成方法如下：按照语义标签的选择及标注情况，计算语义向量，根据标签标注情况，得到数据集中中英文歌曲对应的语义向量集，得到的语义向量集分为训练集和测试集用于卷积神经网络的训练和测试，根据标签选择及中文歌曲爬取策略，爬取并整理中文歌曲1000首，与CAL500数据集中的英文歌曲合并后，去除长度或标签不符的歌曲，数据集中包含中英文歌曲共1483首，按照音乐推荐算法，对上述音乐进行聚类，形成推荐专辑70个。
CN201810122338.2A 2018-02-07 2018-02-07 基于语义的音乐检索数据集的建立方法 Pending CN108363769A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810122338.2A CN108363769A (zh) 2018-02-07 2018-02-07 基于语义的音乐检索数据集的建立方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810122338.2A CN108363769A (zh) 2018-02-07 2018-02-07 基于语义的音乐检索数据集的建立方法

Publications (1)

Publication Number Publication Date
CN108363769A true CN108363769A (zh) 2018-08-03

Family

ID=63005044

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810122338.2A Pending CN108363769A (zh) 2018-02-07 2018-02-07 基于语义的音乐检索数据集的建立方法

Country Status (1)

Country Link
CN (1) CN108363769A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110399522A (zh) * 2019-07-03 2019-11-01 中国传媒大学 一种基于lstm与分层匹配的音乐哼唱检索方法及装置
CN110415730A (zh) * 2019-07-25 2019-11-05 深圳市平均律科技有限公司 一种音乐分析数据集构建方法及基于其的音高、时值提取方法
CN110851593A (zh) * 2019-09-23 2020-02-28 天津大学 一种基于位置与语义的复值词向量构建方法
CN113813609A (zh) * 2021-06-02 2021-12-21 腾讯科技（深圳）有限公司 游戏音乐风格分类方法、装置、可读介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984437A (zh) * 2010-11-23 2011-03-09 亿览在线网络技术（北京）有限公司 音乐资源个性化推荐方法及系统
CN102737069A (zh) * 2011-04-15 2012-10-17 清华大学 一种语义增强的音乐评论分类方法
CN102890713A (zh) * 2012-09-20 2013-01-23 浙江大学 一种基于用户当前地理位置和物理环境的音乐推荐方法
CN103455600A (zh) * 2013-09-03 2013-12-18 小米科技有限责任公司 一种视频url抓取方法、装置及服务器设备
CN105447193A (zh) * 2015-12-22 2016-03-30 中山大学深圳研究院 一种基于机器学习和协同过滤的音乐推荐系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984437A (zh) * 2010-11-23 2011-03-09 亿览在线网络技术（北京）有限公司 音乐资源个性化推荐方法及系统
CN102737069A (zh) * 2011-04-15 2012-10-17 清华大学 一种语义增强的音乐评论分类方法
CN102890713A (zh) * 2012-09-20 2013-01-23 浙江大学 一种基于用户当前地理位置和物理环境的音乐推荐方法
CN103455600A (zh) * 2013-09-03 2013-12-18 小米科技有限责任公司 一种视频url抓取方法、装置及服务器设备
CN105447193A (zh) * 2015-12-22 2016-03-30 中山大学深圳研究院 一种基于机器学习和协同过滤的音乐推荐系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
秦静等: "基于示例语义的音乐检索模型", 《山东大学学报（理学版）》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110399522A (zh) * 2019-07-03 2019-11-01 中国传媒大学 一种基于lstm与分层匹配的音乐哼唱检索方法及装置
CN110415730A (zh) * 2019-07-25 2019-11-05 深圳市平均律科技有限公司 一种音乐分析数据集构建方法及基于其的音高、时值提取方法
CN110415730B (zh) * 2019-07-25 2021-08-31 深圳市平均律科技有限公司 一种音乐分析数据集构建方法及基于其的音高、时值提取方法
CN110851593A (zh) * 2019-09-23 2020-02-28 天津大学 一种基于位置与语义的复值词向量构建方法
CN110851593B (zh) * 2019-09-23 2024-01-05 天津大学 一种基于位置与语义的复值词向量构建方法
CN113813609A (zh) * 2021-06-02 2021-12-21 腾讯科技（深圳）有限公司 游戏音乐风格分类方法、装置、可读介质及电子设备
CN113813609B (zh) * 2021-06-02 2023-10-31 腾讯科技（深圳）有限公司 游戏音乐风格分类方法、装置、可读介质及电子设备

Similar Documents

Publication Publication Date Title
CN108334617A (zh) 基于语义的音乐检索的方法
Schedl et al. Music recommender systems
KR102075833B1 (ko) 미술 작품 추천 큐레이션 방법 및 시스템
Kaminskas et al. Location-aware music recommendation using auto-tagging and hybrid matching
Kaminskas et al. Contextual music information retrieval and recommendation: State of the art and challenges
Logan et al. Semantic analysis of song lyrics
Meyers A mood-based music classification and exploration system
CN108363769A (zh) 基于语义的音乐检索数据集的建立方法
JP2009514075A (ja) 選択されたコンテンツアイテムをユーザーに提供する方法
Dhaenens et al. ‘Press play for pride’: The cultural logics of LGBTQ-themed playlists on Spotify
KR20120101233A (ko) 감성 정보 생성 방법, 그를 이용한 감성 정보 기반의 콘텐츠 추천 방법 및 시스템
Celma et al. If you like radiohead, you might like this article
Sarin et al. SentiSpotMusic: a music recommendation system based on sentiment analysis
Knees et al. Music retrieval and recommendation: A tutorial overview
Hyung et al. Utilizing context-relevant keywords extracted from a large collection of user-generated documents for music discovery
JP2012168986A (ja) 選択されたコンテンツアイテムをユーザーに提供する方法
Wang Analysis of multimedia teaching path of popular music based on multiple intelligence teaching mode
Baumann et al. Using natural language input and audio analysis for a human-oriented MIR system
Malleswari et al. Music Recommendation System using Hybrid Approach
Li et al. Research of music recommendation system based on user behavior analysis and word2vec user emotion extraction
Çano et al. Crowdsourcing emotions in music domain
Hu A model-based music recommendation system for individual users and implicit user groups
Chung et al. Exploiting Playlists for Representation of Songs and Words for Text-Based Music Retrieval.
Alakija Living with difference: Ontological security and identification of second-generation members of the Nigerian diaspora in Peckham,‘Little Lagos’, London
Kanters Automatic mood classification for music

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180803