CN111105814A - 歌曲难度系数的确定方法及计算机可读存储介质 - Google Patents
歌曲难度系数的确定方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111105814A CN111105814A CN201911373146.XA CN201911373146A CN111105814A CN 111105814 A CN111105814 A CN 111105814A CN 201911373146 A CN201911373146 A CN 201911373146A CN 111105814 A CN111105814 A CN 111105814A
- Authority
- CN
- China
- Prior art keywords
- song
- value
- characteristic
- feature
- values
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000000875 corresponding effect Effects 0.000 claims abstract description 113
- 238000010606 normalization Methods 0.000 claims abstract description 38
- 230000002596 correlated effect Effects 0.000 claims abstract description 16
- 238000001228 spectrum Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 239000011295 pitch Substances 0.000 description 61
- 101150047731 MTDH gene Proteins 0.000 description 14
- 238000012935 Averaging Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2210/00—Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
- G10H2210/031—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
- G10H2210/081—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal for automatic key or tonality recognition, e.g. using musical rules or a knowledge base
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2210/00—Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
- G10H2210/031—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
- G10H2210/091—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal for performance evaluation, i.e. judging, grading or scoring the musical qualities or faithfulness of a performance, e.g. with respect to pitch, tempo or other timings of a reference performance
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Auxiliary Devices For Music (AREA)
Abstract
本发明公开了一种歌曲难度系数的确定方法及计算机可读存储介质,方法包括:获取完整演唱次数超过预设阈值且有演唱得分记录的歌曲,得到歌曲样本集合;分别计算歌曲样本集合中各歌曲的得分数据;根据各歌曲的歌谱,获取与得分数据正相关或负相关的歌谱特征,作为相关特征;归一化处理得到各歌曲的各相关特征归一化后的特征值;确定各相关特征对应的权重;分别计算各歌曲的加权值;确定预设的各难度系数对应的加权值范围;获取待测歌曲,并根据待测歌曲的歌谱,分别计算各相关特征的特征值;归一化处理得到待测歌曲的各相关特征归一化后的特征值;计算待测歌曲的加权值;确定待测歌曲的难度系数。本发明可确定未被用户演唱过的歌曲的难度系数。
Description
技术领域
本发明涉及歌曲数据处理技术领域,尤其涉及一种歌曲难度系数的确定方法及计算机可读存储介质。
背景技术
目前,现有的歌曲难度系数确定方法存在一定的局限,只有当该歌曲有一定数量的用户演唱后,才能确定该歌曲的难度等级(难度系数),如果当前歌曲没有用户演唱,则无法确定该歌曲的难度等级(难度系数)。而且,目前确定歌曲难度等级也相对比较简单,就是根据该歌曲的所有演唱得分来确定该歌曲的难度,所以其评定歌曲难度等级的维度相对单一。
在公开号为CN109036463A的中国专利公开文件中,公开了一种获取歌曲的难度信息的方法,通过在获取目标歌曲的难度值的过程中,基于获取的该目标歌曲中每个音符的音高值和音符时值,来确定目标歌曲的难度值。但该方案也存在确定歌曲难度的维度较少的问题。同时,目前的歌曲难度都是采用客观的曲谱信息,没有结合用户实际演唱的情况,因此现有的歌曲难度不够客观。
发明内容
本发明所要解决的技术问题是:提供一种歌曲难度系数的确定方法及计算机可读存储介质,可确定未被用户演唱过的歌曲的难度系数。
为了解决上述技术问题,本发明采用的技术方案为:一种歌曲难度系数的确定方法,包括:
获取完整演唱次数超过预设阈值且有演唱得分记录的歌曲,得到歌曲样本集合;
根据演唱得分记录,分别计算所述歌曲样本集合中各歌曲的得分数据,所述得分数据为演唱平均分或演唱得分中值;
根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征;
分别对所述各歌曲的各相关特征的特征值进行归一化处理,得到各歌曲的各相关特征归一化后的特征值;
根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重;
根据所述各歌曲的各相关特征归一化后的特征值以及各相关特征对应的权重,分别计算各歌曲的加权值;
确定预设的各难度系数对应的加权值范围;
获取待测歌曲,并根据所述待测歌曲的歌谱,分别计算对应各相关特征的特征值;
分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值;
根据所述待测歌曲的各相关特征归一化后的特征值以及各相关特征的对应的权重,计算所述待测歌曲的加权值;
根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
本发明的有益效果在于:通过分析被一定数量的用户完整演唱过的歌曲的得分情况,确定这些歌曲的难度情况,并对这些歌曲的歌谱文件进行分析,提取每个歌谱文件的若干个歌谱特征,通过得分情况与歌谱特征进行分析,确定不同歌曲难度情况不同的原因是由哪些歌谱特征引起的,即确定出与得分情况相关的歌谱特征,后续根据这些相关的歌谱特征,就可以推断出还没有用户演唱过的歌曲的难度等级。本发明通过已被用户演唱过的歌曲的难度去确定未被用户演唱过的歌曲的难度,使得歌曲难度的确定可以有迹可循,达到可量化的标准。
附图说明
图1为本发明的一种歌曲难度系数的确定方法的流程图;
图2为本发明实施例一的方法流程图。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果,以下结合实施方式并配合附图详予说明。
本发明最关键的构思在于:通过对已被用户演唱过的歌曲的得分情况和歌曲特征进行分析,确定与得分情况相关的歌谱特征,后续根据待测歌曲的这些相关的歌谱特征的特征值,计算待测歌曲的难度系数。
请参阅图1,一种歌曲难度系数的确定方法,包括:
获取完整演唱次数超过预设阈值且有演唱得分记录的歌曲,得到歌曲样本集合;
根据演唱得分记录,分别计算所述歌曲样本集合中各歌曲的得分数据,所述得分数据为演唱平均分或演唱得分中值;
根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征;
分别对所述各歌曲的各相关特征的特征值进行归一化处理,得到各歌曲的各相关特征归一化后的特征值;
根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重;
根据所述各歌曲的各相关特征归一化后的特征值以及各相关特征对应的权重,分别计算各歌曲的加权值;
确定预设的各难度系数对应的加权值范围;
获取待测歌曲,并根据所述待测歌曲的歌谱,分别计算对应各相关特征的特征值;
分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值;
根据所述待测歌曲的各相关特征归一化后的特征值以及各相关特征的对应的权重,计算所述待测歌曲的加权值;
根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数。
从上述描述可知,本发明的有益效果在于:可确定未被用户演唱过的歌曲的难度系数。
进一步地,所述根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征具体为:
根据所述歌曲样本集合中各歌曲的歌谱,分别计算各歌曲的预设的歌谱特征的特征值;
若各歌曲的同一歌谱特征的特征值与各歌曲的得分数据呈正相关或负相关,则将所述同一歌谱特征作为相关特征,所述相关特征包括正相关特征和负相关特征,所述正相关特征的特征值与得分数据呈正相关,所述负相关特征的特征值与得分数据呈负相关。
由上述描述可知,通过获取与得分数据正相关或负相关的歌谱特征,确定与得分情况相关的歌谱特征。
进一步地,所述根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征之后,进一步包括:
根据所述各歌曲的所述相关特征的特征值,生成特征库。
进一步地,所述分别对所述各歌曲的各相关特征的特征值进行归一化处理,得到各歌曲的各相关特征归一化后的特征值具体为:
分别获取所述特征库中各相关特征的最大特征值和最小特征值;
将所述特征库中一歌曲的一相关特征的特征值与所述一相关特征的最小特征值之差除以所述一相关特征的最大特征值和最小特征值之差,得到所述一歌曲的所述一相关特征的第一比例值;
若所述一相关特征为正相关特征,则将所述一歌曲的所述一相关特征的第一比例值作为所述一歌曲的所述一相关特征归一化后的特征值;
若所述一相关特征为负相关特征,则计算1与所述一歌曲的所述一相关特征的第一比例值的差值,得到所述一歌曲的所述一相关特征归一化后的特征值。
进一步地,所述分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值具体为:
分别获取所述特征库中各相关特征的最大特征值和最小特征值;
将所述待测歌曲的一相关特征的特征值与所述一相关特征的最小特征值之差除以所述一相关特征的最大特征值和最小特征值之差,得到所述待测歌曲的一相关特征的第二比例值;
若所述一相关特征为正相关特征,则将所述待测歌曲的所述一相关特征的第二比例值作为所述待测歌曲的所述一相关特征归一化后的特征值;
若所述一相关特征为负相关特征,则计算1与所述待测歌曲的所述一相关特征的第二比例值的差值,得到所述待测歌曲的所述一相关特征归一化后的特征值。
由上述描述可知,通过进行归一化处理,可以将各个相关特征放在相对平等的位置,将各相关特征的特征值控制在预设的范围内,同时简化了后续的求权重的计算。
进一步地,所述根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重具体为:
获取满足权重条件的多组权重值,各组权重值中分别包括对应各相关特征的权重,所述权重条件包括各组权重值中的权重均处于预设的取值范围、处于同一组权重值中的权重之和为预设的总值以及各组权重值之间至少有一个权重不一致;
根据各歌曲的各相关特征归一化后的特征值以及所述多组权重值,分别计算各歌曲对应各组权重值的加权值;
根据各歌曲的得分数据以及各歌曲对应各组权重值的加权值,分别计算各组权重值与得分数据的相关度;
获取最大相关度对应的一组权重值,并根据所述一组权重值,确定各相关特征对应的权重。
进一步地,所述根据各歌曲的得分数据以及各歌曲对应各组权重值的加权值,分别计算各组权重值与得分数据的相关度具体为:
获取各歌曲对应同一组权重值的加权值,并根据各歌曲的得分数据的高低进行排序,得到所述同一组权重值对应的加权值序列;
若所述加权值序列中的一加权值大于其前一个加权值,则将所述一加权值的前后比较值设为1;
若所述加权值序列中的一加权值等于其前一个加权值,则将所述一加权值的前后比较值设为0;
若所述加权值序列中的一加权值小于其前一个加权值,则将所述一加权值的前后比较值设为-1;
将所述加权值序列中各加权值的前后比较值进行相加,得到所述同一组权重值对应的前后比较和,作为所述同一组权重值与得分数据的相关度。
由上述描述可知,通过从满足权重条件的多组权重值中选出与得分数据相关度最大的一组权重值,可保证后续计算出的加权值处于一定的范围内,且加权值与得分数据正相关。
进一步地,所述确定预设的各难度系数对应的加权值范围具体为:
将根据得分数据或加权值排序后的各歌曲划分为N等份,并分别根据各等份中的最大加权值和最小加权值,确定预设的各难度系数对应的加权值范围,N 为预设的难度等级数。
由上述描述可知,依据得分数据或加权值来对歌曲样本集合中的各歌曲进行难度等级划分,并根据各难度等级的歌曲的加权值,确定各难度等级对应的加权值范围。
进一步地,所述根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数具体为:
若所述待测歌曲的加权值处于一难度系数对应的加权值范围内,则所述待测歌曲的难度系数为所述一难度系数。
由上述描述可知,通过加权值的比较,可快速确定待测歌曲的难度系数。
本发明还提出一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上所述的步骤。
实施例一
请参照图2,本发明的实施例一为:一种歌曲难度系数的确定方法,可应用于对歌曲难度等级的评定,包括如下步骤:
S1:获取完整演唱次数超过预设阈值且有演唱得分记录的歌曲,得到歌曲样本集合;本步骤即采集样本数据,作为样本的歌曲都需要被一定数量的用户完整地演唱过,且有演唱得分记录。其中,可遍历各歌曲对应的用户演唱音频,判断是否演唱完整,若是演唱完整,则该歌曲的完整演唱次数加一。
进一步地,在获取歌曲样本集合中的歌曲时,同时获取这些歌曲的歌谱文件。
S2:根据演唱得分记录,分别计算所述歌曲样本集合中各歌曲的得分数据,所述得分数据为演唱平均分或演唱得分中值。本实施例以得分数据为演唱平均分为例,即分别获取歌曲样本集合中同一歌曲的演唱得分记录,将所述同一歌曲的所有的演唱得分进行相加然后除以所述同一歌曲的演唱得分的个数,即为所述同一歌曲的演唱平均分。
S3:根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征。
具体地,根据所述歌曲样本集合中各歌曲的歌谱,分别计算各歌曲的预设的歌谱特征的特征值;若各歌曲的同一歌谱特征的特征值与各歌曲的得分数据呈正相关或负相关,则将所述同一歌谱特征作为相关特征。本实施例中,将特征值与得分数据呈正相关的相关特征称作正相关特征,将特征值与得分数据呈负正相关的相关特征称作负正相关特征。
其中,可在分别以得分数据和歌谱特征为横纵坐标的坐标系中绘制散点图,通过分析散点图来判断歌谱特征的特征值与得分数据是否呈正相关或负相关;也可将各歌曲的同一歌谱特征的特征值按照各歌曲的得分数据的高低顺序进行排序,通过分析排序后的特征值的变化趋势与排序后的得分数据的变化趋势是否相同或相反,来判断该歌谱特征是否为相关特征。
例如,歌曲1到歌曲200是按演唱平均分从低到高的顺序排列的歌曲队列。在坐标系中先绘制歌曲1到歌曲200的演唱平均分曲线,然后对歌曲1到歌曲200取某一特定的歌曲特征的数据,例如可以是歌曲的最大音高值,将歌曲1-200 的最大音高值也依次绘制到坐标中,然后观察歌曲1-200的最大音高值的曲线是否与歌曲1到歌曲200的演唱平均分曲线是正相关关系还是负相关关系。通过上述方法,依次确认歌曲的各个歌谱特征与演唱平均分是否存在正相关关系或负相关关系。
在其他实施例中,还可以用互相关函数来计算同一歌谱特征的特征值与各歌曲的得分数据是否呈现相关性。
由于相关特征与得分数据的高低变化有关,因此相关特征可以综合决定一首歌曲的难度。
本实施例中,歌谱特征包括:歌曲的最大音高值A、歌曲的最小音高值、歌曲的平均音高、歌曲的最大音高与最小音高的差值B、歌曲的每个音的平均时间C、歌曲的每个音的时长求和D、歌曲的每个音的音高值求和、歌曲的音的总数目、歌曲的最长音的时长、歌曲的最短音的时长、歌曲每个音的音高值与其对应时长的乘积求和E、歌曲每个音的音高值与对应时长的乘积求平均值F、歌曲中每个音的音高值与其下一个音的音高值的差值绝对值求和G、歌曲中每个音的音高值与其下一个音的音高值的差值绝对值求平均值H、歌曲中高音部分的每个音的音高值与其对应时长的乘积求平均值I、歌曲每个音的音高值与其下一个音的音高值的差值绝对值中的最大值J、歌曲中时间最长音的音高值、歌曲的歌词总数、歌曲中演唱最长时间歌词的演唱时长、歌曲中演唱最短时间歌词的演唱时长、歌曲中每个歌词的平均演唱时间K、歌曲的每个歌词中每个音的音高值与其对应时长的乘积之和的最大值、歌曲的每个歌词中对应每个音的音高值与其对应时长的乘积求平均值L、歌曲中的歌词先后间距求和M、歌曲一分钟的平均音调数N和歌曲一分钟的平均歌词数目O等。
以某歌曲为例,设a(i)为该歌曲的第i个音的音高值,b(i)为该歌曲第i个音的时长值,i=1,2,…,R,R为该歌曲的音的数量;c(k)为该歌曲第k个歌词所包含的所有音,一个歌词可包含多个音(即c(k)是a(j)和b(j)的集合,j取值范围为 [x(k),y(k)]且为整数,x(k)和y(k)取值范围为[1,R]且为整数,且y(k)≥x(k)), k=1,2,…,T,T为该歌曲的歌词数量;各歌谱特征的计算公式如下所示:
歌曲的最大音高值A=max(a(i)),i=1,2,…,R;
歌曲的最小音高值=min(a(i)),i=1,2,…,R;
歌曲的平均音高=sum(a(i))/R,i=1,2,…,R;
歌曲的最大音高与最小音高的差值B=max(a(i))-min(a(i)),i=1,2,…,R;
歌曲的每个音的平均时间C=sum(b(i))/R,i=1,2,…,R;
歌曲的每个音的时长求和D=sum(b(i)),i=1,2,…,R;
歌曲的每个音的音高值求和=sum(a(i)),i=1,2,…,R;
歌曲的音的总数目=R;
歌曲的最长音的时长=max(b(i)),i=1,2,…,R;
歌曲的最短音的时长=min(b(i)),i=1,2,…,R;
歌曲每个音的音高值与其对应时长的乘积求和E=sum(a(i)*b(i)),i=1,2,…,R;
歌曲每个音的音高值与对应时长的乘积求平均值F=sum(a(i)*b(i))/R, i=1,2,…,R;
歌曲中每个音的音高值与其下一个音的音高值的差值绝对值求和 G=sum(abs(a(i)-a(i+1))),其中i=1,2,…,R-1,abs()为绝对值函数;
歌曲中每个音的音高值与其下一个音的音高值的差值绝对值求平均值 H=sum(abs(a(i)-a(i+1)))/(R-1),其中i=1,2,…,R-1;
歌曲中高音部分的每个音的音高值与其对应时长的乘积求平均值 I=sum(a(z)*b(z))/Z,z的取值范围为Z,Z为该歌曲高音的集合;其中歌曲高音的认定有两种:一、a(i)按从大到小顺序排序,最大的前30%顺序的音可以认为是高音部分;二、先计算最高音高值与最低高调值的差值,并取该差值70%的数值加上最低音高值得到一阈值,将超过该阈值的音高值均认为是高音部分;即音调值超过min(a(i))+(max(a(i))-min(a(i)))*0.7的音都算高音;
歌曲每个音的音高值与其下一个音的音高值的差值绝对值求中的最大值 J=max(abs(a(i)-a(i+1))),其中i=1,2,…,R-1;
歌曲中时间最长音的音高值:先求max(b(i))中i所在的位置p,即可得a(p) 为所求的时间最长音的音高值;
歌曲的歌词总数=T;
第k个歌词的演唱时长d(k)=sum(b(j)),j的取值范围为[x(k),y(k)]且为整数;则歌曲中演唱最长时间歌词的演唱时长max(d(k)),k=1,2,…,T;
歌曲中演唱最短时间歌词的演唱时长=min(d(k)),k=1,2,…,T;
歌曲中每个歌词的平均演唱时间K=sum(d(k))/T,k=1,2,…,T;
歌曲的每个歌词中每个音的音高值与其对应时长的乘积和为 e(k)=sum(a(j)*b(j)),j的取值范围为[x(k),y(k)]且为整数;则歌曲的每个歌词中每个音的音高值与其对应时长的乘积之和的最大值为=max(e(k)),k=1,2,…,T;
歌曲的每个歌词中对应每个音的音高值与其对应时长的乘积求平均值 L=sum(e(k))/T,k=1,2,…,T;
若第k个歌词的开始时间为f(k),结束时间为g(k),则歌曲中的歌词先后间距求和M=sum(f(k+1)-g(k)),k=1,2,…,T-1;
歌曲一分钟的平均音调数N=60/(sum(b(i))/R);
歌曲一分钟的平均歌词数目O=60/(sum(b(i))/T)。
最后分析得到的相关特征包括:歌曲的最大音高值A、歌曲的最大音高值与最小音高值的差值B、歌曲的每个音的平均时间C、歌曲的每个音的时长求和 D、歌曲每个音的音高值与其对应时长的乘积求和E、歌曲每个音的音高值与对应时长的乘积求平均值F、歌曲中每个音的音高值与其下一个音的音高值的差值绝对值求和G、歌曲中每个音的音高值与其下一个音的音高值的差值绝对值求平均值H、歌曲中高音部分的每个音的音高值与其对应时长的乘积求平均值I、歌曲中每个音的音高值与其下一个音的音高值的差值绝对值中的最大值J、歌曲中每个歌词的平均演唱时间K、歌曲的每个歌词中对应每个音的音高值与其对应时长的乘积求平均值L、歌曲中歌词先后间距求和M、歌曲一分钟的平均音调数N以及歌曲一分钟的平均歌词数目O。
相关特征的数量越多,评定歌曲难度等级的维度越多,从而可提高歌曲难度等级评定的可靠性。
S4:根据所述各歌曲的所述相关特征的特征值,生成特征库;即将各歌曲的相关特征的特征值保存下来,形成特征库。
S5:分别对特征库中各歌曲的各相关特征的特征值进行归一化,得到特征库中各歌曲的各相关特征归一化后的特征值。
具体地,分别获取各相关特征的最大特征值,即从各歌曲的同一相关特征的特征值中获取最大值,得到所述同一相关特征的最大特征值,再分别获取各相关特征的最小特征值,即从各歌曲的同一相关特征的特征值中获取最小值,得到所述同一相关特征的最小特征值。
若一相关特征为正相关特征,则一歌曲的所述一相关特征归一化后的特征值=(所述一歌曲的一相关特征的特征值-所述一相关特征的最小特征值)/(所述一相关特征的最大特征值-所述一相关特征的最小特征值);
若一相关特征为负相关特征,则一歌曲的所述一相关特征归一化后的特征值=1-(所述一歌曲的一相关特征的特征值-所述一相关特征的最小特征值)/(所述一相关特征的最大特征值-所述一相关特征的最小特征值)。
S6:根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重。
具体地,获取满足权重条件的多组权重值,各组权重值中分别包括对应各相关特征的权重,所述权重条件包括各组权重值中的权重均处于预设的取值范围(如1-10)、处于同一组权重值中的权重之和为预设的总值(如100)以及各组权重值之间至少有一个权重不一致。
例如,假设相关特征A、B、C、D、E、F、G、H、I、J、K、L、M、N、 O对应的权重分别为x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12、 x13、x14、x15。假设获取了Y组权重值,那么对于每组权重值中的权重为x1(j)、 x2(j)、x3(j)、x4(j)、x5(j)、x6(j)、x7(j)、x8(j)、x9(j)、x10(j)、x11(j)、x12(j)、x13(j)、 x14(j)、x15(j),j=1,2,…,Y,取值范围都为[1,10],且处于同一组权重值中的权重之和为预设的总值,即x1(j)+x2(j)+x3(j)+x4(j)+x5(j)+x6(j)+x7(j)+x8(j)+ x9(j)+x10(j)+x11(j)+x12(j)+x13(j)+x14(j)+x15(j)=100,并且,每组权重值与其他任意一组权重值之间至少有一个权重不一致。
然后根据各歌曲的各相关特征归一化后的特征值以及所述多组权重值,分别计算各歌曲对应各组权重值的加权值。
例如,假设各歌曲的各相关特征归一化后的特征值分别为A(i)、B(i)、C(i)、D(i)、E(i)、F(i)、G(i)、H(i)、I(i)、J(i)、K(i)、L(i)、M(i)、N(i)、O(i),i=1,2,…,W, W为歌曲样本集合中的歌曲总数,则第i首歌曲对应第j组权重值的加权值Z(i,j)= x1(j)*A(i)+x2(j)*B(i)+x3(j)*C(i)+x4(j)*D(i)+x5(j)*E(i)+x6(j)*F(i)+ x7(j)*G(i)+x8(j)*H(i)+x9(j)*I(i)+x10(j)*J(i)+x11(j)*K(i)+x12(j)*L(i) +x13(j)*M(i)+x14(j)*N(i)+x15(j)*O(i)。
接着获取各歌曲对应同一组权重值的加权值,并根据各歌曲的得分数据的高低进行排序,得到所述同一组权重值对应的加权值序列{Z(1,j),Z(2,j),…, Z(i,j),…,Z(W,j)}。由于是按照歌曲的得分数据的高低顺序进行排列的,那么第i首歌曲的得分数据一定大于或等于第i-1首歌曲的得分数据,基于此,计算所述加权值序列中各加权值的前后比较值compare(Z(i,j),Z(i-1,j)),i=2,3,…,W。
具体地,若所述加权值序列中的一加权值大于其前一个加权值,则将所述一加权值的前后比较值设为1,即若Z(i,j)>Z(i-1,j),则令compare(Z(i,j),Z(i-1,j))=1;若所述加权值序列中的一加权值等于其前一个加权值,则将所述一加权值的前后比较值设为0,即若Z(i,j)=Z(i-1,j),则令compare(Z(i,j),Z(i-1,j))=0;若所述加权值序列中的一加权值小于其前一个加权值,则将所述一加权值的前后比较值设为-1,即若Z(i,j)<Z(i-1,j),则令compare(Z(i,j),Z(i-1,j))=-1。
然后将所述加权值序列中各加权值的前后比较值进行相加,得到所述同一组权重值对应的前后比较和V(j),即V(j)=sum(compare(Z(i,j),Z(i-1,j))), i=2,3,…,W,作为所述同一组权重值与得分数据的相关度。
最后获取最大相关度对应的一组权重值,并根据所述一组权重值,确定各相关特征对应的权重,即获取max(V(j))对应的那组权重值,j=1,2,…,Y,该组权重值中的各权重即各相关特征对应的权重。
S7:根据所述各歌曲的各相关特征归一化后的特征值以及各相关特征对应的权重,分别计算各歌曲的加权值。
即根据公式Z(i,j)=x1(j)*A(i)+x2(j)*B(i)+x3(j)*C(i)+x4(j)*D(i)+x5(j) *E(i)+x6(j)*F(i)+x7(j)*G(i)+x8(j)*H(i)+x9(j)*I(i)+x10(j)*J(i)+x11(j) *K(i)+x12(j)*L(i)+x13(j)*M(i)+x14(j)*N(i)+x15(j)*O(i),计算各歌曲的加权值,其中,A(i)、B(i)、C(i)、D(i)、E(i)、F(i)、G(i)、H(i)、I(i)、J(i)、K(i)、L(i)、M(i)、N(i)、O(i)分别为第i首歌曲的各相关特征归一化后的特征值, i=1,2,…,W,W为歌曲样本集合中的歌曲总数,x1(j)、x2(j)、x3(j)、x4(j)、x5(j)、 x6(j)、x7(j)、x8(j)、x9(j)、x10(j)、x11(j)、x12(j)、x13(j)、x14(j)、x15(j)为步骤 S6确定的各相关特征对应的权重。
S8:确定预设的各难度系数对应的加权值范围。
具体地,根据各歌曲的得分数据,从高到低对各歌曲进行排序,由于加权值与得分数据正相关,因此也可以根据加权值,从高到低对歌曲进行排序。然后对排序后的各歌曲平分成N等份,N为预设的难度等级数。例如,假设定义难度等级总共有10级,则平分成十等份,一个等份对应一个难度等级,也相应地对应一个难度系数,将得分数据或加权值最低的那一等份设为最高难度,难度系数设为10,将得分数据或加权值最高的那一等份设为最低难度,难度系数设为1,其他各等份的难度系数根据得分数据或加权值按照从低到高的顺序依次设为9到2。
然后根据各等份中的最大加权值和最小加权,确定各难度系数对应的加权值范围,即根据同一等份中的歌曲的加权值中的最大值和最小值,确定该等份对应的难度系数所对应的加权值范围。
S9:获取待测歌曲,并根据所述待测歌曲的歌谱,分别计算对应各相关特征的特征值。
S10:根据特征库中各相关特征的最大特征值和最小特征值,分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值。
具体地,可参照步骤S5,若一相关特征为正相关特征,则所述待测歌曲所述一相关特征归一化后的特征值=(待测歌曲所述一相关特征的特征值-特征库中所述一相关特征的最小特征值)/(特征库中所述一相关特征的最大特征值-特征库中所述一相关特征的最小特征值)。
若一相关特征为负相关特征,则所述待测歌曲所述一相关特征归一化的特征值=1-(待测歌曲所述一相关特征的特征值-特征库中所述一相关特征的最小特征值)/(特征库中所述一相关特征的最大特征值-特征库中所述一相关特征的最小特征值)。
S11:根据所述待测歌曲的各相关特征归一化后的特征值以及各相关特征对应的权重,计算所述待测歌曲的加权值。
例如,假设待测歌曲的各相关特征归一化后的特征值分别为A(1)、B(1)、 C(1)、D(1)、E(1)、F(1)、G(1)、H(1)、I(1)、J(1)、K(1)、L(1)、M(1)、N(1)、O(1),步骤S6确定的各相关特征对应的权重分别为x1、x2、x3、x4、x5、x6、x7、 x8、x9、x10、x11、x12、x13、x14、x15,则待测歌曲的加权值Z(1)=x1*A(1) +x2*B(1)+x3*C(1)+x4*D(1)+x5*E(1)+x6*F(1)+x7*G(1)+x8*H(1)+ x9*I(1)+x10*J(1)+x11*K(1)+x12*L(1)+x13*M(1)+x14*N(1)+x15* O(1)。
S12:根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数。具体地,若所述待测歌曲的加权值处于一难度系数对应的加权值范围内,则所述待测歌曲的难度系数为所述一难度系数。
即求得待测歌曲的加权后的加权值,并与各等份的加权值的取值范围进行对比,求得待测歌曲的加权值在哪一等份的取值范围中,该等份对应的难度等级即为待测歌曲的难度等级。
例如,假设歌曲样本集合中有歌曲十万首,且歌曲样本集合中演唱平均分的最高分为90,最低分为40,将歌曲平均分按照从高到低的顺序分成十等份,每5分为一等份,并将歌曲平均分最低的那一等份设为最高难度10,将歌曲平均分最高的那一等份设为最低难度1,其他各等份的难度值依该等份的歌曲平均分从低到高依次设为9到2,即歌曲每一等份对应的得分取值范围分别为[40, 45)、[45,50)、[50,55)、[55,60)、[60,65)、[65,70)、[70,75)、[75,80)、[80,85)、 [85,90],其对应的难度等级对应分别为10、9、8、7、6、5、4、3、2、1;根据每一等份中的每个歌曲的各相关特征归一化后的特征值、及步骤S8中计算得到的各相关特征对应的权重,计算得到每一等份中每个歌曲的加权值,进而得到每个等份的歌曲的加权值的取值范围。假设歌曲样本集合中歌曲平均分依照从低到高的每一等份歌曲经计算后得到的对应的加权值取值范围为[35,40)、[40, 45)、[45,50)、[50,55)、[55,60)、[60,65)、[65,70)、[70,75)、[75,80)、[80,85),则每一等份的加权值取值范围与难度等级对应为10、9、8、7、6、5、4、3、2、 1。假设待测歌曲的加权后的加权值为73.567,经比对,待测歌曲的加权值在加权值范围[70,75)中,该加权值范围对应难度等级为3,则待测歌曲对应的难度等级为3。
本实施例通过难度已知歌曲的难度去确定难度未知歌曲的难度,使得歌曲难度的确定可以有迹可循,达到可量化的标准。
实施例二
本实施例是对应上述实施例的一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如下步骤:
获取完整演唱次数超过预设阈值且有演唱得分记录的歌曲,得到歌曲样本集合;
根据演唱得分记录,分别计算所述歌曲样本集合中各歌曲的得分数据,所述得分数据为演唱平均分或演唱得分中值;
根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征;
分别对所述各歌曲的各相关特征的特征值进行归一化处理,得到各歌曲的各相关特征归一化后的特征值;
根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重;
根据所述各歌曲的各相关特征归一化后的特征值以及各相关特征对应的权重,分别计算各歌曲的加权值;
确定预设的各难度系数对应的加权值范围;
获取待测歌曲,并根据所述待测歌曲的歌谱,分别计算对应各相关特征的特征值;
分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值;
根据所述待测歌曲的各相关特征归一化后的特征值以及各相关特征的对应的权重,计算所述待测歌曲的加权值;
根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数。
进一步地,所述根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征具体为:
根据所述歌曲样本集合中各歌曲的歌谱,分别计算各歌曲的预设的歌谱特征的特征值;
若各歌曲的同一歌谱特征的特征值与各歌曲的得分数据呈正相关或负相关,则将所述同一歌谱特征作为相关特征,所述相关特征包括正相关特征和负相关特征,所述正相关特征的特征值与得分数据呈正相关,所述负相关特征的特征值与得分数据呈负相关。
进一步地,所述根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征之后,进一步包括:
根据所述各歌曲的所述相关特征的特征值,生成特征库。
进一步地,所述分别对所述各歌曲的各相关特征的特征值进行归一化处理,得到各歌曲的各相关特征归一化后的特征值具体为:
分别获取所述特征库中各相关特征的最大特征值和最小特征值;
将所述特征库中一歌曲的一相关特征的特征值与所述一相关特征的最小特征值之差除以所述一相关特征的最大特征值和最小特征值之差,得到所述一歌曲的所述一相关特征的第一比例值;
若所述一相关特征为正相关特征,则将所述一歌曲的所述一相关特征的第一比例值作为所述一歌曲的所述一相关特征归一化后的特征值;
若所述一相关特征为负相关特征,则计算1与所述一歌曲的所述一相关特征的第一比例值的差值,得到所述一歌曲的所述一相关特征归一化后的特征值。
进一步地,所述分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值具体为:
分别获取所述特征库中各相关特征的最大特征值和最小特征值;
将所述待测歌曲的一相关特征的特征值与所述一相关特征的最小特征值之差除以所述一相关特征的最大特征值和最小特征值之差,得到所述待测歌曲的一相关特征的第二比例值;
若所述一相关特征为正相关特征,则将所述待测歌曲的所述一相关特征的第二比例值作为所述待测歌曲的所述一相关特征归一化后的特征值;
若所述一相关特征为负相关特征,则计算1与所述待测歌曲的所述一相关特征的第二比例值的差值,得到所述待测歌曲的所述一相关特征归一化后的特征值。
进一步地,所述根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重具体为:
获取满足权重条件的多组权重值,各组权重值中分别包括对应各相关特征的权重,所述权重条件包括各组权重值中的权重均处于预设的取值范围、处于同一组权重值中的权重之和为预设的总值以及各组权重值之间至少有一个权重不一致;
根据各歌曲的各相关特征归一化后的特征值以及所述多组权重值,分别计算各歌曲对应各组权重值的加权值;
根据各歌曲的得分数据以及各歌曲对应各组权重值的加权值,分别计算各组权重值与得分数据的相关度;
获取最大相关度对应的一组权重值,并根据所述一组权重值,确定各相关特征对应的权重。
进一步地,所述根据各歌曲的得分数据以及各歌曲对应各组权重值的加权值,分别计算各组权重值与得分数据的相关度具体为:
获取各歌曲对应同一组权重值的加权值,并根据各歌曲的得分数据的高低进行排序,得到所述同一组权重值对应的加权值序列;
若所述加权值序列中的一加权值大于其前一个加权值,则将所述一加权值的前后比较值设为1;
若所述加权值序列中的一加权值等于其前一个加权值,则将所述一加权值的前后比较值设为0;
若所述加权值序列中的一加权值小于其前一个加权值,则将所述一加权值的前后比较值设为-1;
将所述加权值序列中各加权值的前后比较值进行相加,得到所述同一组权重值对应的前后比较和,作为所述同一组权重值与得分数据的相关度。
进一步地,所述确定预设的各难度系数对应的加权值范围具体为:
将根据得分数据或加权值排序后的各歌曲划分为N等份,并分别根据各等份中的最大加权值和最小加权值,确定预设的各难度系数对应的加权值范围,N 为预设的难度等级数。
进一步地,所述根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数具体为:
若所述待测歌曲的加权值处于一难度系数对应的加权值范围内,则所述待测歌曲的难度系数为所述一难度系数。
综上所述,本发明提供的一种歌曲难度系数的确定方法及计算机可读存储介质,通过分析被一定数量的用户完整演唱过的歌曲的得分情况,确定这些歌曲的难度情况,并对这些歌曲的歌谱文件进行分析,提取每个歌谱文件的若干个歌谱特征,通过得分情况与歌谱特征进行分析,确定不同歌曲难度情况不同的原因是由哪些歌谱特征引起的,即确定出与得分情况相关的歌谱特征,后续根据这些相关的歌谱特征,就可以推断出还没有用户演唱过的歌曲的难度等级。本发明通过已被用户演唱过的歌曲的难度去确定未被用户演唱过的歌曲的难度,使得歌曲难度的确定可以有迹可循,达到可量化的标准。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等同变换,或直接或间接运用在相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种歌曲难度系数的确定方法,其特征在于,包括:
获取完整演唱次数超过预设阈值且有演唱得分记录的歌曲,得到歌曲样本集合;
根据演唱得分记录,分别计算所述歌曲样本集合中各歌曲的得分数据,所述得分数据为演唱平均分或演唱得分中值;
根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征;
分别对所述各歌曲的各相关特征的特征值进行归一化处理,得到各歌曲的各相关特征归一化后的特征值;
根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重;
根据所述各歌曲的各相关特征归一化后的特征值以及各相关特征对应的权重,分别计算各歌曲的加权值;
确定预设的各难度系数对应的加权值范围;
获取待测歌曲,并根据所述待测歌曲的歌谱,分别计算对应各相关特征的特征值;
分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值;
根据所述待测歌曲的各相关特征归一化后的特征值以及各相关特征的对应的权重,计算所述待测歌曲的加权值;
根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数。
2.根据权利要求1所述的歌曲难度系数的确定方法,其特征在于,所述根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征具体为:
根据所述歌曲样本集合中各歌曲的歌谱,分别计算各歌曲的预设的歌谱特征的特征值;
若各歌曲的同一歌谱特征的特征值与各歌曲的得分数据呈正相关或负相关,则将所述同一歌谱特征作为相关特征,所述相关特征包括正相关特征和负相关特征,所述正相关特征的特征值与得分数据呈正相关,所述负相关特征的特征值与得分数据呈负相关。
3.根据权利要求2所述的歌曲难度系数的确定方法,其特征在于,所述根据所述歌曲样本集合中各歌曲的歌谱,获取与所述各歌曲的得分数据正相关或负相关的歌谱特征,作为相关特征之后,进一步包括:
根据所述各歌曲的所述相关特征的特征值,生成特征库。
4.根据权利要求3所述的歌曲难度系数的确定方法,其特征在于,所述分别对所述各歌曲的各相关特征的特征值进行归一化处理,得到各歌曲的各相关特征归一化后的特征值具体为:
分别获取所述特征库中各相关特征的最大特征值和最小特征值;
将所述特征库中一歌曲的一相关特征的特征值与所述一相关特征的最小特征值之差除以所述一相关特征的最大特征值和最小特征值之差,得到所述一歌曲的所述一相关特征的第一比例值;
若所述一相关特征为正相关特征,则将所述一歌曲的所述一相关特征的第一比例值作为所述一歌曲的所述一相关特征归一化后的特征值;
若所述一相关特征为负相关特征,则计算1与所述一歌曲的所述一相关特征的第一比例值的差值,得到所述一歌曲的所述一相关特征归一化后的特征值。
5.根据权利要求3所述的歌曲难度系数的确定方法,其特征在于,所述分别对所述待测歌曲的各相关特征的特征值进行归一化处理,得到所述待测歌曲的各相关特征归一化后的特征值具体为:
分别获取所述特征库中各相关特征的最大特征值和最小特征值;
将所述待测歌曲的一相关特征的特征值与所述一相关特征的最小特征值之差除以所述一相关特征的最大特征值和最小特征值之差,得到所述待测歌曲的一相关特征的第二比例值;
若所述一相关特征为正相关特征,则将所述待测歌曲的所述一相关特征的第二比例值作为所述待测歌曲的所述一相关特征归一化后的特征值;
若所述一相关特征为负相关特征,则计算1与所述待测歌曲的所述一相关特征的第二比例值的差值,得到所述待测歌曲的所述一相关特征归一化后的特征值。
6.根据权利要求1所述的歌曲难度系数的确定方法,其特征在于,所述根据所述各歌曲的得分数据以及各歌曲的各相关特征归一化后的特征值,确定各相关特征对应的权重具体为:
获取满足权重条件的多组权重值,各组权重值中分别包括对应各相关特征的权重,所述权重条件包括各组权重值中的权重均处于预设的取值范围、处于同一组权重值中的权重之和为预设的总值以及各组权重值之间至少有一个权重不一致;
根据各歌曲的各相关特征归一化后的特征值以及所述多组权重值,分别计算各歌曲对应各组权重值的加权值;
根据各歌曲的得分数据以及各歌曲对应各组权重值的加权值,分别计算各组权重值与得分数据的相关度;
获取最大相关度对应的一组权重值,并根据所述一组权重值,确定各相关特征对应的权重。
7.根据权利要求6所述的歌曲难度系数的确定方法,其特征在于,所述根据各歌曲的得分数据以及各歌曲对应各组权重值的加权值,分别计算各组权重值与得分数据的相关度具体为:
获取各歌曲对应同一组权重值的加权值,并根据各歌曲的得分数据的高低进行排序,得到所述同一组权重值对应的加权值序列;
若所述加权值序列中的一加权值大于其前一个加权值,则将所述一加权值的前后比较值设为1;
若所述加权值序列中的一加权值等于其前一个加权值,则将所述一加权值的前后比较值设为0;
若所述加权值序列中的一加权值小于其前一个加权值,则将所述一加权值的前后比较值设为-1;
将所述加权值序列中各加权值的前后比较值进行相加,得到所述同一组权重值对应的前后比较和,作为所述同一组权重值与得分数据的相关度。
8.根据权利要求1所述的歌曲难度系数的确定方法,其特征在于,所述确定预设的各难度系数对应的加权值范围具体为:
将根据得分数据或加权值排序后的各歌曲划分为N等份,并分别根据各等份中的最大加权值和最小加权值,确定预设的各难度系数对应的加权值范围,N为预设的难度等级数。
9.根据权利要求1所述的歌曲难度系数的确定方法,其特征在于,所述根据各难度系数对应的加权值范围以及所述待测歌曲的加权值,确定所述待测歌曲的难度系数具体为:
若所述待测歌曲的加权值处于一难度系数对应的加权值范围内,则所述待测歌曲的难度系数为所述一难度系数。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-9所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911373146.XA CN111105814B (zh) | 2019-12-27 | 2019-12-27 | 歌曲难度系数的确定方法及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911373146.XA CN111105814B (zh) | 2019-12-27 | 2019-12-27 | 歌曲难度系数的确定方法及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111105814A true CN111105814A (zh) | 2020-05-05 |
CN111105814B CN111105814B (zh) | 2022-03-22 |
Family
ID=70425431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911373146.XA Active CN111105814B (zh) | 2019-12-27 | 2019-12-27 | 歌曲难度系数的确定方法及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111105814B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182285A (zh) * | 2020-09-29 | 2021-01-05 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种数据处理方法以及设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090165633A1 (en) * | 2007-12-28 | 2009-07-02 | Nintendo Co., Ltd., | Music displaying apparatus and computer-readable storage medium storing music displaying program |
CN101901299A (zh) * | 2009-05-29 | 2010-12-01 | 卡西欧计算机株式会社 | 乐曲难易度计算装置以及乐曲难易度计算方法 |
JP2012173722A (ja) * | 2011-02-24 | 2012-09-10 | Yamaha Corp | 歌唱音声評価装置 |
CN105825872A (zh) * | 2016-03-15 | 2016-08-03 | 腾讯科技(深圳)有限公司 | 歌曲的难度确定方法和装置 |
CN107133344A (zh) * | 2017-05-19 | 2017-09-05 | 腾讯音乐娱乐(深圳)有限公司 | 一种数据处理方法及装置 |
US9767705B1 (en) * | 2016-04-21 | 2017-09-19 | Yousician Oy | System for estimating user's skill in playing a music instrument and determining virtual exercises thereof |
CN109036463A (zh) * | 2018-09-13 | 2018-12-18 | 广州酷狗计算机科技有限公司 | 获取歌曲的难度信息的方法、装置及存储介质 |
-
2019
- 2019-12-27 CN CN201911373146.XA patent/CN111105814B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090165633A1 (en) * | 2007-12-28 | 2009-07-02 | Nintendo Co., Ltd., | Music displaying apparatus and computer-readable storage medium storing music displaying program |
CN101901299A (zh) * | 2009-05-29 | 2010-12-01 | 卡西欧计算机株式会社 | 乐曲难易度计算装置以及乐曲难易度计算方法 |
JP2012173722A (ja) * | 2011-02-24 | 2012-09-10 | Yamaha Corp | 歌唱音声評価装置 |
CN105825872A (zh) * | 2016-03-15 | 2016-08-03 | 腾讯科技(深圳)有限公司 | 歌曲的难度确定方法和装置 |
US9767705B1 (en) * | 2016-04-21 | 2017-09-19 | Yousician Oy | System for estimating user's skill in playing a music instrument and determining virtual exercises thereof |
CN107133344A (zh) * | 2017-05-19 | 2017-09-05 | 腾讯音乐娱乐(深圳)有限公司 | 一种数据处理方法及装置 |
CN109036463A (zh) * | 2018-09-13 | 2018-12-18 | 广州酷狗计算机科技有限公司 | 获取歌曲的难度信息的方法、装置及存储介质 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112182285A (zh) * | 2020-09-29 | 2021-01-05 | 腾讯音乐娱乐科技(深圳)有限公司 | 一种数据处理方法以及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111105814B (zh) | 2022-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7115808B2 (en) | Automatic music mood detection | |
US7396990B2 (en) | Automatic music mood detection | |
JP4825800B2 (ja) | 楽曲分類方法 | |
TWI426501B (zh) | 旋律辨識方法與其裝置 | |
Salamon et al. | Musical genre classification using melody features extracted from polyphonic music signals | |
US10366121B2 (en) | Apparatus, method, and computer-readable medium for cue point generation | |
US8420921B2 (en) | Information processing apparatus, sound analysis method, and program | |
JP4268386B2 (ja) | 複数の音を含む楽曲を分類する方法 | |
US7653534B2 (en) | Apparatus and method for determining a type of chord underlying a test signal | |
EP2551843A1 (en) | Music analysis apparatus | |
US8865993B2 (en) | Musical composition processing system for processing musical composition for energy level and related methods | |
CN110010159B (zh) | 声音相似度确定方法及装置 | |
EP2402937B1 (en) | Music retrieval apparatus | |
US20100186577A1 (en) | Apparatus and method for searching for music by using biological signal | |
CN111105814B (zh) | 歌曲难度系数的确定方法及计算机可读存储介质 | |
KR101941011B1 (ko) | 유전자 발현 데이터를 통한 유방암 환자 예후 판단 방법 | |
JP2007081455A (ja) | 音源位置・受音位置推定方法、その装置、そのプログラム、およびその記録媒体 | |
US8712936B2 (en) | Information processing apparatus, information processing method, and program | |
Huang et al. | Cause of gene tree discord? Distinguishing incomplete lineage sorting and lateral gene transfer in phylogenetics | |
Lin et al. | Music classification using significant repeating patterns | |
KR100974871B1 (ko) | 특징 벡터 선택 방법 및 장치, 그리고 이를 이용한 음악장르 분류 방법 및 장치 | |
Dittmar et al. | Novel mid-level audio features for music similarity | |
US20230186877A1 (en) | Musical piece structure analysis device and musical piece structure analysis method | |
CN111159465B (zh) | 一种歌曲分类方法及装置 | |
KR101398059B1 (ko) | 표준편차 기반의 음원의 특징 축소 방법을 이용하는 음악 분위기 자동 판별 시스템 및 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |