音乐标注方法、装置、电子设备及介质制造方法及图纸

本申请提供一种音乐标注方法及装置、一种电子设备以及一种计算机可读介质。其中，所述方法包括：接收待标注的音乐数据；将所述音乐数据输入卷积循环神经网络模型中进行音乐标签预测，获得所述卷积循环神经网络模型输出的音乐标签预测结果；根据所述音乐标签预测结果对所述音乐数据进行标注；其中，所述卷积循环神经网络模型是以音乐数据和对应的音乐标签为样本集训练建立的。本申请中新型的用于音乐自动标注的卷积循环神经网络，利用卷积神经网络提取深层特征，利用循环神经网络保存时域信息，然后将两种不同类别的网络提取出的结果进行整合，音乐标注结果准确，从而可以节约大量的人力和时间成本，有利于音乐标签的标准化和统一化。

Music labeling methods, devices, electronic equipment and media

【技术实现步骤摘要】
音乐标注方法、装置、电子设备及介质
本申请涉及音乐标注
，具体涉及一种音乐标注方法及装置、一种电子设备以及一种计算机可读介质。
技术介绍
音乐检索和音乐推荐作为大数据时代的发展产物，已经逐渐走进人们的日常生活，得到了广泛的应用。音乐检索的常见方法是，根据用户输入的关键词，在数据库中寻找拥有该关键词的歌曲进行匹配。音乐推荐的常见方法是，根据用户之前的收听历史，通过歌曲间的关联关系，为该用户推荐与收听历史相似的其他歌曲。在以上两个过程中，音乐标注都有着十分重要的地位。音乐标注的目的是为音乐标注一个所属的标签，常见的音乐标签类别有流派(如古典、爵士、摇滚等)、演奏乐器(如吉他、弦乐、钢琴等)、情绪(如开心、舒缓、哀伤等)、创作年代等。对于音乐标注而言，传统标注模型的建立往往有以下几种方式：从一组音频特征向量表示的歌曲出发，逐个学习每种音乐标签的标注模型，从而使其具备预测能力。可见，现有的这种建模方式会产生很大的冗余，导致音乐标注需要大量的人力和时间成本，不利于音乐标签的标准化和统一化。专利技术内容本申请的本文档来自技高网...

【技术保护点】
1.一种音乐标注方法，其特征在于，包括：/n接收待标注的音乐数据；/n将所述音乐数据输入卷积循环神经网络模型中进行音乐标签预测，获得所述卷积循环神经网络模型输出的音乐标签预测结果；/n根据所述音乐标签预测结果对所述音乐数据进行标注；/n其中，所述卷积循环神经网络模型是以音乐数据和对应的音乐标签为样本集训练建立的。/n

【技术特征摘要】
1.一种音乐标注方法，其特征在于，包括：
接收待标注的音乐数据；
将所述音乐数据输入卷积循环神经网络模型中进行音乐标签预测，获得所述卷积循环神经网络模型输出的音乐标签预测结果；
根据所述音乐标签预测结果对所述音乐数据进行标注；
其中，所述卷积循环神经网络模型是以音乐数据和对应的音乐标签为样本集训练建立的。


2.根据权利要求1所述的方法，其特征在于，所述卷积循环神经网络模型包括：并行的卷积神经网络和循环神经网络，以及与所述卷积神经网络和循环神经网络均连接的全连接层。


3.根据权利要求2所述的方法，其特征在于，通过以下方式训练建立所述卷积循环神经网络模型：
收集音乐数据及对应的音乐标签，构成样本集；
对音乐数据进行采样，转换为梅尔频谱图并进行数据切片，得到梅尔频谱序列；
利用音乐数据对应的梅尔频谱图和音乐标签对卷积循环神经网络模型中的卷积神经网络进行训练；
利用音乐数据对应的梅尔频谱序列和音乐标签对卷积循环神经网络模型中的循环神经网络进行训练；
将训练好的卷积循环神经网络模型和参数进行保存。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
对所述卷积循环神经网络模型进行预设评估指标的计算，得到对所述卷积循环神经网络模型进行分类能力评价的评价值。


5.一种音乐标注装置，其特征在于，包括：
接收模块，用于接收待标注的音乐数据；
预测模块，用于将所述音乐数据输入卷积循环神经网络模型中进行音乐标签预测，获得所述卷积循环神经网络模型输出的音乐标签预测结...

【专利技术属性】
技术研发人员：陈剑超，肖龙源，李稀敏，蔡振华，刘晓葳，
申请(专利权)人：厦门快商通科技股份有限公司，
类型：发明
国别省市：福建;35