【技术实现步骤摘要】
本专利技术属于自然语言处理，尤其是基于动态窗口word2vec模型的音乐推荐方法及系统。
技术介绍
1、自然语言处理（natural language processing, nlp）是人工智能的一个重要分支，涉及使计算机能够理解、解释和生成人类语言的技术。近年来，深度学习在nlp领域取得了显著进展，尤其是word2vec模型的提出，极大地推动了这一领域的发展。word2vec模型通过将词汇映射到连续向量空间，使得计算机能够更好地处理和理解语言数据。
2、现有的word2vec模型主要针对文本数据设计，采用固定窗口大小来处理所有类型的输入数据，当应用于音乐数据时，特别是在跨语言或跨风格的音乐分析中，由于音乐数据包含的语义和结构复杂度远高于普通文本数据，因此word2vec模型的适用性和通用性受到挑战，影响最终的音乐语义分析精度，影响最终特征的提取。
技术实现思路
1、专利技术目的：本专利技术的目的是提供一种基于动态窗口word2vec模型的音乐推荐方法及系统，能够根据音乐内容的语义密度和结构复杂度动态调整窗口大小，使得模型能更准确地捕捉音乐元素之间的关系，如旋律与力度之间的相互作用，进而提高音乐语义分析的精确度。
2、技术方案：本专利技术所述的基于动态窗口word2vec模型的音乐推荐方法，建立音乐推荐模型，从音乐文件中提取音乐元素的特征向量输入所述音乐推荐模型，得到相似音乐预测结果；
3、所述音乐推荐模型为基于动态窗口的word2vec模型，其
4、；
5、其中 ω t是 t时刻的音乐元素的特征向量， ω t + j是预测的 t+j时刻的音乐元素的特征向量， t=1 ,2 ,…,t， w ( t )是 t时刻的动态窗口的大小， t、 j代表时刻值；
6、通过连续两个音符的音高变化量、时值变化量和力度变化量的加权和，计算所述动态窗口的大小。动态窗口的大小决定了从当前音乐元素特征可以考虑多远的上下文信息，这个窗口大小可以根据音乐数据的复杂性动态调整，以更有效的捕捉音乐的结构和关系。
7、进一步地，所述从音乐文件中提取音乐元素的特征向量包括：将音乐文件转换为midi格式，从midi音乐文件中提取音高、时长、力度和音符并分别进行onehot编码后求和，得到音乐元素的特征向量。
8、进一步地，所述通过连续两个音符的音高变化量、时值变化量和力度变化量的加权和，计算所述动态窗口的大小包括：
9、 w= max (3 , min( c , 10)) ；
10、其中w为动态窗口的大小，c为连续两个音符的音高变化量、时值变化量和力度变化量的加权和。连续两个音符的音高变化量、时值变化量和力度变化量的加权和能够表征音乐内容的复杂性，根据音乐内容的复杂性自动调整窗口大小，增强了模型的适应性和灵活性，使其能更准确地捕捉音乐的语义和结构特征。
11、进一步地，连续两个音符的音高变化量、时值变化量和力度变化量的加权和c的计算方法为：
12、；
13、其中，、和分别表示连续两个音符的音高变化量、时值变化量和力度变化量， ω p 、 ω s和 ω c分别是、和的权重系数。
14、本专利技术所述的基于动态窗口word2vec模型的音乐推荐系统，包括音乐推荐模型，从音乐文件中提取音乐元素的特征向量输入所述音乐推荐模型，得到相似音乐预测结果；
15、所述音乐推荐模型为基于动态窗口的word2vec模型，其目标函数为：
16、；
17、其中 ω t是 t时刻的音乐元素的特征向量， ω t + j是预测的 t+j时刻的音乐元素的特征向量， t=1 ,2 ,…,t， w ( t )是 t时刻的动态窗口的大小， t、 j代表时刻值；
18、通过连续两个音符的音高变化量、时值变化量和力度变化量的加权和，计算所述动态窗口的大小。动态窗口的大小决定了从当前音乐元素特征可以考虑多远的上下文文信息，这个窗口大小可以根据音乐数据的复杂性动态调整，以更有效的捕捉音乐的结构和关系。
19、进一步地，所述从音乐文件中提取音乐元素的特征向量包括：将音乐文件转换为midi格式，从midi音乐文件中提取音高、时长、力度和音符并分别进行onehot编码后求和，得到音乐元素的特征向量。
20、进一步地，所述通过连续两个音符的音高变化量、时值变化量和力度变化量的加权和，计算所述动态窗口的大小包括：
21、 w= max (3 , min( c , 10)) ；
22、其中w为动态窗口的大小，c为连续两个音符的音高变化量、时值变化量和力度变化量的加权和。连续两个音符的音高变化量、时值变化量和力度变化量的加权和能够表征音乐内容的复杂性，根据音乐内容的复杂性自动调整窗口大小，增强了模型的适应性和灵活性，使其能更准确地捕捉音乐的语义和结构特征。
23、进一步地，连续两个音符的音高变化量、时值变化量和力度变化量的加权和c的计算方法为：
24、；
25、其中，、和分别表示连续两个音符的音高变化量、时值变化量和力度变化量， ω p 、 ω s和 ω 本文档来自技高网...
【技术保护点】
1.一种基于动态窗口word2vec模型的音乐推荐方法，其特征在于，建立音乐推荐模型，从音乐文件中提取音乐元素的特征向量输入所述音乐推荐模型，得到相似音乐预测结果；
2.根据权利要求1所述的基于动态窗口word2vec模型的音乐推荐方法，其特征在于，所述从音乐文件中提取音乐元素的特征向量包括：
3.根据权利要求1所述的基于动态窗口word2vec模型的音乐推荐方法，其特征在于，所述通过连续两个音符的音高变化量、时值变化量和力度变化量的加权和，计算所述动态窗口的大小包括：
4.根据权利要求3所述的基于动态窗口word2vec模型的音乐推荐方法，其特征在于，连续两个音符的音高变化量、时值变化量和力度变化量的加权和C的计算方法为：
5.一种基于动态窗口word2vec模型的音乐推荐系统，其特征在于，包括音乐推荐模型，从音乐文件中提取音乐元素的特征向量输入所述音乐推荐模型，得到相似音乐预测结果；
6.根据权利要求5所述的基于动态窗口word2vec模型的音乐推荐系统，其特征在于，所述从音乐文件中提取音乐元素的特征向量包括：>
7.根据权利要求5所述的基于动态窗口word2vec模型的音乐推荐系统，其特征在于，所述通过连续两个音符的音高变化量、时值变化量和力度变化量的加权和，计算所述动态窗口的大小包括：
8.根据权利要求7所述的基于动态窗口word2vec模型的音乐推荐系统，其特征在于，连续两个音符的音高变化量、时值变化量和力度变化量的加权和C的计算方法为：
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被加载至处理器时实现根据权利要求1-4任一项所述的基于动态窗口word2vec模型的音乐推荐方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现根据权利要求1-4任一项所述的基于动态窗口word2vec模型的音乐推荐方法。
...【技术特征摘要】
1.一种基于动态窗口word2vec模型的音乐推荐方法，其特征在于，建立音乐推荐模型，从音乐文件中提取音乐元素的特征向量输入所述音乐推荐模型，得到相似音乐预测结果；
2.根据权利要求1所述的基于动态窗口word2vec模型的音乐推荐方法，其特征在于，所述从音乐文件中提取音乐元素的特征向量包括：
3.根据权利要求1所述的基于动态窗口word2vec模型的音乐推荐方法，其特征在于，所述通过连续两个音符的音高变化量、时值变化量和力度变化量的加权和，计算所述动态窗口的大小包括：
4.根据权利要求3所述的基于动态窗口word2vec模型的音乐推荐方法，其特征在于，连续两个音符的音高变化量、时值变化量和力度变化量的加权和c的计算方法为：
5.一种基于动态窗口word2vec模型的音乐推荐系统，其特征在于，包括音乐推荐模型，从音乐文件中提取音乐元素的特征向量输入所述音乐推荐模型，得到相似音乐预测结果；
6.根据权利要求5所述的基于动...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。