[發明專利]一種基于DCNN聯合特征表示的音樂推薦方法

有效

• 申請號: 202110338511.4
• 申請日: 2021-03-26
• 公開（公告）號: CN113094544B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 陳湘濤;柳玉洋;王莎莎
• 申請（專利權）人: 湖南大學
• 主分類號: G06F16/683
• 分類號: G06F16/683;G06N3/0464;G06N3/08;G10L21/0208
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于DCNN聯合特征表示的音樂推薦方法，其特征在于，包括：

音樂預處理和增強：用于處理原始音樂數據，以及增強音樂音頻用來進行特征的提取；

音樂特征建模模塊：在音樂音頻預處理和增強后，通過FFT、Mel濾波器生成聲譜圖、音頻譜圖和Log梅爾譜圖，以及提取MFCC、頻譜質心音頻特征，用于模型訓練的初始樣本，然后結合DCNN、CNN進行建模，分別得到基于Log梅爾譜圖的DCNN模型和基于MFCC的CNN模型，并對其進行訓練；

推薦方法模塊：音樂特征建模模塊和推薦方法模塊是雙向連接，進行兩端訓練； 將訓練得到的低維特征向量進行組合拼接，再進行下一步工作并推薦音樂，上述模塊具體包括以下步驟：

S1.音樂格式轉換：將原始音樂數據進行格式轉換，統一格式為MP3，并對每首音樂按照“類別-ID”的形式進行標識；

S2.音樂音頻的增強：由于原始音樂數據可能會存在噪聲或音質受損的情況，因此需要對其進行增強，降噪主要利用濾波器，在降噪過程中，盡可能不損傷原始的音樂音頻信號，回聲消除利用NLMS算法實現，音頻的采樣率調整利用SoX處理；

S3.聲譜圖和音頻譜圖：主要包括音頻進行FFT生成聲譜圖、Log梅爾譜圖； 音樂音頻信號經過預加重、分幀加窗和FFT獲得音頻聲譜圖，在輸入到梅爾濾波器組中，進一步得到梅爾譜圖，最后進行對數運算得到Log梅爾譜圖，用于第一通道的模型輸入；

S4.音頻特征的提取，使用librosa庫進行音樂片段的MFCC特征的提取，保存為文件，作為第二通道的輸入數據；

其中，在步驟S3中采用1024的窗口大小，相鄰窗距為512，窗函數使用α＝0.46的漢寧窗，梅爾濾波器數量為128，以及以10為底的對數運算； 在步驟S1、S2和S3中使用Log梅爾譜圖作為第一通道的DCNN網絡模型的輸入，經過多輪訓練，不斷減小音樂特征真值與預測值之間的交叉熵誤差，直至達到最佳的訓練目的，最終得到回歸預測模型，即基于Log梅爾譜圖的DCNN模型；

上述第一通道的DCNN加入了批量歸一化層，同時采用ReLu激活函數和Adam優化方法，由4個卷積層和4個池化層交替出現，以及1個全連接組成；

然后，在步驟S4中將其得到的音樂元數據進行特征統計處理，使其適合網絡的輸入要求，訓練并調整其權重參數，最終得到MFCC-CNN模型； 該模型采用簡單的網絡結構，即卷積層、池化層均為一維的兩層的，且全連接層比基于Log梅爾譜圖的DCNN多了一層；

最后，將第一通道和第二通道的結果組合在一起，進入全連接層和softmax層，softmax公式如下：再結合CB算法原理，實現滿足用戶偏好的音樂TopN推薦。