一种音乐检索方法、系统、设备及介质技术方案

本发明专利技术公开一种音乐检索方法、系统、设备及介质，涉及音乐检索领域；该方法包括：获取目标音乐软件的目标音频数据；目标音频数据包括：音乐频谱和/或用户语音；基于语义和/或梯度下降的方法，对目标音频数据进行特征提取，得到特征数据；将特征数据输入至检索模型中，得到检索结果；检索结果为与目标音频匹配的音乐的集合；本发明专利技术能够根据表达的语义进行音乐的检索，实现音乐检索的准确性。实现音乐检索的准确性。实现音乐检索的准确性。

【技术实现步骤摘要】
一种音乐检索方法、系统、设备及介质


[0001]本专利技术涉及音乐检索领域，特别是涉及一种音乐检索方法、系统、设备及介质。

技术介绍

[0002]音乐作为人类精神世界和心理活动的产物，承载着人类在情感上对外界事物的敏感程度。随着计算机技术的不断发展，音乐数据的应用和规模也越来越大，音频的使用频率也越来越广泛。在大数据时代的发展过程中，人们有机会同时渴望可以随时随地的获取到相关的音乐，因此，实现在音乐大数据中获取到符合需求的音乐，音乐检索是一条重要的途径。
[0003]现有的音乐检索大多是根据关键词进行检索，极少涉及到语义信息。如果用户想搜索诸如“一首令人心情愉悦的校园歌曲”，则比较难以获得结果，或者检索结果并不是用户需要的。

技术实现思路

[0004]本专利技术的目的是提供一种音乐检索方法、系统、设备及介质，能够根据表达的语义进行音乐的检索，实现音乐检索的准确性。
[0005]为实现上述目的，本专利技术提供了如下方案：
[0006]一种音乐检索方法，所述方法包括：
[0007]获取目标音乐软件的目标音频数据；所述目标音频数据包括：音乐频谱和/或用户语音；
[0008]基于语义和/或梯度下降的方法，对所述目标音频数据进行特征提取，得到特征数据；
[0009]将所述特征数据输入至检索模型中，得到检索结果；所述检索结果为与所述目标音频匹配的音乐的集合；
[0010]其中，所述检索模型是采用机器学习的方法建立的。
[0011]可选地，所述检索模型的确定方法为：
[0012]获取训练音频数据；所述训练音频数据是采用信息爬取的方法对原始训练数据进行扩展得到的；所述原始训练数据包括：各个训练音乐软件的音频数据和标签数据；所述标签数据，包括：各个音频数据对应的检索结果；
[0013]基于语义和/或梯度下降的方法，对所述训练音频数据进行特征提取，得到训练特征数据；
[0014]将所述训练特征数据划分为训练集和验证集；
[0015]构建全连接神经网络；
[0016]将训练集和对应的标签数据输入至所述全连接神经网络中，以交叉熵损失最小为目标对所述全连接神经网络中的配对参数进行训练，得到训练后的全连接神经网络；
[0017]采用所述验证集和对应的标签数据对训练后的全连接神经网络的配对参数进行
调整，得到所述检索模型。
[0018]可选地，所述方法还包括：
[0019]获取所述目标音乐软件的数据库内存储的设定音乐集；所述设定音乐集包括多个设定音频数据和对应的匹配音乐；
[0020]基于语义和/或梯度下降的方法，对所述设定音乐集中的任一设定音频数据进行特征提取，得到设定特征数据；
[0021]采用聚类方法，根据所述特征数据和多个所述设定特征数据，以所述特征数据为中心，以设定的聚类半径进行聚类，得到聚类结果；
[0022]根据所述聚类结果和所述检索结果确定输出音乐。
[0023]可选地，基于语义和/或梯度下降的方法，对所述目标音频数据进行特征提取，得到特征数据，具体包括：
[0024]采用变分自编码器对所述目标音频数据中的音乐频谱进行音乐特征提取，得到音频特征数据；
[0025]采用语义提取方法对所述目标音频数据中的用户语音进行文字语义特征提取，得到语义特征数据；
[0026]根据所述音频特征数据和所述语义特征数据确定所述特征数据。
[0027]可选地，所述聚类方法包括k
‑
means聚类方法。
[0028]可选地，采用语义提取方法对所述目标音频数据中的用户语音进行文字语义特征提取，得到语义特征数据，具体包括：
[0029]采用设定的字向量表，将所述目标音频数据中的用户语音转化为文本，并确定所述文本对应的一维词向量；
[0030]根据所述一维词向量确定特征词向量，并根据所述特征词向量确定为所述语义特征数据。
[0031]一种音乐检索系统，所述系统包括：
[0032]数据获取模块，用于获取目标音乐软件的目标音频数据；所述目标音频数据包括：音乐频谱和/或用户语音；
[0033]提取模块，基于语义和/或梯度下降的方法，用于对所述目标音频数据进行特征提取，得到特征数据；
[0034]检索模块，用于将所述特征数据输入至检索模型中，得到检索结果；所述检索结果为与所述目标音频匹配的音乐的集合；
[0035]其中，所述检索模型是采用机器学习的方法建立的。
[0036]一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行上述所述的音乐检索方法。
[0037]一种计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时实现上述所述的音乐检索方法。
[0038]根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
[0039]本专利技术提供了一种音乐检索方法、系统、设备及介质，通过基于语义和/或梯度下降的方法，对获取到的目标音频数据进行特征提取，得到特征数据；然后将特征数据输入至检索模型中，得到检索结果；检索结果为与目标音频匹配的音乐的集合；其中，检索模型是
采用机器学习的方法建立的；因此，本专利技术能够根据表达的语义进行音乐的检索，实现音乐检索的准确性。
附图说明
[0040]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0041]图1为本专利技术实施例提供的音乐检索方法的流程图；
[0042]图2为本专利技术实施例提供的音乐检索系统的结构图。
[0043]符号说明：
[0044]数据获取模块
‑
1、提取模块
‑
2、检索模块
‑
3。
具体实施方式
[0045]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0046]本专利技术的目的是提供一种音乐检索方法、系统、设备及介质，能够根据表达的语义进行音乐的检索，实现音乐检索的准确性。
[0047]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0048]实施例1
[0049]如图1所示，本专利技术实施例提供了一种音乐检索方法，该方法包括：
[0050]步骤100：获取目标音乐软件的目标音频数据；目标音频数据包括：音乐频谱和/或用户语音。
[0051]步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种音乐检索方法，其特征在于，所述方法包括：获取目标音乐软件的目标音频数据；所述目标音频数据包括：音乐频谱和/或用户语音；基于语义和/或梯度下降的方法，对所述目标音频数据进行特征提取，得到特征数据；将所述特征数据输入至检索模型中，得到检索结果；所述检索结果为与所述目标音频匹配的音乐的集合；其中，所述检索模型是采用机器学习的方法建立的。2.根据权利要求1所述的音乐检索方法，其特征在于，所述检索模型的确定方法为：获取训练音频数据；所述训练音频数据是采用信息爬取的方法对原始训练数据进行扩展得到的；所述原始训练数据包括：各个训练音乐软件的音频数据和标签数据；所述标签数据，包括：各个音频数据对应的检索结果；基于语义和/或梯度下降的方法，对所述训练音频数据进行特征提取，得到训练特征数据；将所述训练特征数据划分为训练集和验证集；构建全连接神经网络；将训练集和对应的标签数据输入至所述全连接神经网络中，以交叉熵损失最小为目标对所述全连接神经网络中的配对参数进行训练，得到训练后的全连接神经网络；采用所述验证集和对应的标签数据对训练后的全连接神经网络的配对参数进行调整，得到所述检索模型。3.根据权利要求1所述的音乐检索方法，其特征在于，所述方法还包括：获取所述目标音乐软件的数据库内存储的设定音乐集；所述设定音乐集包括多个设定音频数据和对应的匹配音乐；基于语义和/或梯度下降的方法，对所述设定音乐集中的任一设定音频数据进行特征提取，得到设定特征数据；采用聚类方法，根据所述特征数据和多个所述设定特征数据，以所述特征数据为中心，以设定的聚类半径进行聚类，得到聚类结果；根据所述聚类结果和所述检索结果确定输出音乐。4.根据权利要求1所述的音乐检索方法，其特征在于，基于语...

【专利技术属性】
技术研发人员：陈念泽，吕君蔚，刘博，
申请(专利权)人：上海君依悦远健康科技有限公司，
类型：发明
国别省市：