乐曲自动编曲算法的编曲效果评价方法及装置制造方法及图纸

本发明专利技术提供一种乐曲自动编曲算法的编曲效果评价方法及装置，方法包括：获取基于自动编曲算法编曲的至少一首乐曲，并确定每首乐曲的所有评价指标，其中，所有评价指标包括多个定量指标和多个定性指标；对乐曲的评价指标进行归一化处理，以得到每个评价指标的归一化结果；基于层次分析法确定乐曲的每个评价指标的权重系数；对于每首乐曲根据其所有评价指标的归一化结果和权重系数，计算乐曲的评价结果；根据所有乐曲的评价结果确定自动编曲算法的编曲效果评价等级。由此，在乐曲的定量指标和定性指标的基础上结合层次分析算法得到自动编曲算法的编曲效果评价等级，实现了精细化、全面的评价流程，从而提高了评价精度。从而提高了评价精度。从而提高了评价精度。

【技术实现步骤摘要】
乐曲自动编曲算法的编曲效果评价方法及装置


[0001]本专利技术涉及乐曲编曲
，具体涉及一种乐曲自动编曲算法的编曲效果评价方法和一种乐曲自动编曲算法的编曲效果评价装置。

技术介绍

[0002]自动音乐编曲(Automated Music Orchestration,AMO)是试图使用某个形式化的过程以使人(或作曲家)在利用计算机进行音乐创作时的介入程度达到最小的研究。随着人工智能和神经网络的突破，基于机器学习的自动编曲算法已成为自动音乐编曲的主流。算法的自动音乐编曲效果主观评价技术已成为自动音乐编曲中不可或缺的关键环节之一。
[0003]对于目前的自动音乐编曲效果评价而言，研究者通常在网络平台上发布自动编曲的音乐样本和相关问卷，让音乐专业人员或音乐爱好者能够通过在线试听对音乐样本的自动编曲效果作出主观评价。然而这种方式下的乐曲的自动编曲算法的效果评价比较粗糙，导致评价精度较低。

技术实现思路

[0004]本专利技术为解决相关技术中乐曲的自动编曲算法的效果评价比较粗糙，导致评价精度较低的问题，提出了如下技术方案。...

【技术保护点】

【技术特征摘要】
1.一种乐曲自动编曲算法的编曲效果评价方法，其特征在于，包括以下步骤：获取基于自动编曲算法编曲的至少一首乐曲，并确定每首所述乐曲的所有评价指标，其中，所有所述评价指标包括多个定量指标和多个定性指标；对所述乐曲的所述评价指标进行归一化处理，以得到每个所述评价指标的归一化结果；基于层次分析法确定所述乐曲的每个所述评价指标的权重系数；对于每首所述乐曲根据其所有评价指标的归一化结果和权重系数，计算所述乐曲的评价结果；根据所有所述乐曲的评价结果确定所述自动编曲算法的编曲效果评价等级。2.根据权利要求1所述的乐曲自动编曲算法的编曲效果评价方法，其特征在于，多个所述定量指标包括相邻乐句相关度、乐句结束音位置稳定度、高潮体现度、音程符合度和坏点音符百分比，多个所述定性指标包括圆润度和柔和度。3.根据权利要求2所述的乐曲自动编曲算法的编曲效果评价方法，其特征在于，分别根据以下公式计算所述相邻乐句相关度、所述乐句结束音位置稳定度、所述高潮体现度和所述音程符合度：X1＝N
RRR
其中，X1为所述相邻乐句相关度，N
R
为乐曲中具有相关性的乐句的个数；X2为所述乐句结束音位置稳定度，为乐曲乐句中最少的小节数，为乐曲乐句中最多的小节数；X3为所述高潮体现度，为乐曲中黄金分割点后的平均音高，为乐曲中黄金分割点前的平均音高；X4为所述音程符合度，为乐句中相邻两个音符4度以内音程的音符数，N
S
为乐句中总音符数。4.根据权利要求2所述的乐曲自动编曲算法的编曲效果评价方法，其特征在于，对所述乐曲的所述评价指标进行归一化处理，以得到每个所述评价指标的归一化结果，包括：采用极大极小算法对每首所述乐曲的所述定量指标进行处理，以得到每首所述乐曲的各个所述定量指标的归一化结果；采用专家打分法对每首所述乐曲的所述定性指标进行处理，以得到每个所述定性指标的归一化结果。5.根据权利要求3所述的乐曲自动编曲算法的编曲效果评价方法，其特征在于，每首所述乐曲的各个所述定量指标的归一化结果分别为：所述相邻乐句相关度的归一化结果的范围为[0,1]、所述乐句结束音位置稳定度的归一化结果的范围为[0,1]、所述高潮体现度的归一化结果的范围为[0,1]、所述音程符合度的归一化结果的范围为[0,1]和所述坏点音符百分比的归一化结果的范围为[0,1]。6.根据权利要求3所述的乐曲自动编曲算法的编曲效果评价方法，其特征在于，每首所
述乐曲的各个所述定性指标的归一化结果分别为：所述圆润度的归一化结果的等级及其范围为优(0.9
‑
1)、良(0.8
‑
0.9)、中(0.7
‑
0.8)、差(0.6
‑

【专利技术属性】
技术研发人员：陈立兴，韩晓新，朱成喜，林雪，
申请(专利权)人：江苏理工学院，
类型：发明
国别省市：