隨著音樂流媒體服務(wù)產(chǎn)業(yè)的高速發(fā)展,使得用戶可以在移動(dòng)設(shè)備上輕易的聽到任何的歌曲,互聯(lián)網(wǎng)成了一個(gè)巨大的音樂存儲(chǔ)平臺(tái)。與此同時(shí),如何從海量數(shù)據(jù)中找到喜愛的歌曲成了一個(gè)相當(dāng)棘手的問題。音樂推薦系統(tǒng)是當(dāng)前解決這一個(gè)問題的最好途徑,它能夠把用戶喜歡的歌曲推薦給用戶,也能夠?yàn)楦枨业胶线m的目標(biāo)用戶。音樂推薦是推薦系統(tǒng)技術(shù)的一個(gè)重要應(yīng)用領(lǐng)域。由于音樂推薦領(lǐng)域的特殊性,使得當(dāng)前最為有效的協(xié)同過濾方法并不能很好的適用于音樂推薦領(lǐng)域。其原因一方面是由于音樂領(lǐng)域沒有足夠的用戶評(píng)分?jǐn)?shù)據(jù);另一方面是由于協(xié)同過濾方法會(huì)帶來冷啟動(dòng)的問題,使得新的歌曲無法被推薦�？朔@兩個(gè)問題的有效方法是構(gòu)建基于內(nèi)容的音樂推薦系統(tǒng)。本文主要研究基于內(nèi)容的音樂推薦系統(tǒng),它包括了音樂音頻特征提取以及向用戶推薦感興趣的歌曲兩個(gè)重要環(huán)節(jié)。本文圍繞這兩個(gè)環(huán)節(jié),進(jìn)行改進(jìn)和優(yōu)化,從而構(gòu)建一個(gè)更有效的基于內(nèi)容的音樂推薦系統(tǒng)。具體的研究?jī)?nèi)容有如下兩點(diǎn):1)提出了一種混合兩種不同類型的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的模型,來提取音樂的音頻特征。不同的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),適合于提取不同方面的特征。該混合深度神經(jīng)網(wǎng)絡(luò)模型能夠在不同分類標(biāo)準(zhǔn)的分類任務(wù)中,提取到歌曲有效的特征... 

【文章來源】：廈門大學(xué)福建省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－ｌＴａｘｉｒｉｄｅ樂隊(duì)的歌曲《ＢａｃｋＡｇａｉｎ》片段的聲譜圖、梅爾頻譜圖、ＭＦＣＣｓ??

ＣＮＮ從淺到深的不同層次能提取出不同的區(qū)域性特征，而且其抽象的能力會(huì)??隨著層次的加深而增強(qiáng)。以Ｌｅｅ等人的Ｃｏｎｖｏｌｕｔｉｏｎａｌ?Ｄｅｅｐ?Ｂｅｌｉｅｆ?Ｎｅｔｗｏｒｋｓ??（ＣＤＢＮ）為例［５５ｊ，其結(jié)構(gòu)如圖２－２所示。從圖中可以看出，經(jīng)過第一層卷積層??后，網(wǎng)絡(luò)可以學(xué)到代表邊緣的低層特征信息；經(jīng)過第二層卷積層后，可以看出網(wǎng)??絡(luò)開始把第一層的特征信息進(jìn)行組合，可以得到局域性的抽象特征；經(jīng)過了第三??層卷積層后，網(wǎng)絡(luò)學(xué)習(xí)到了更加高級(jí)的抽象特征，已經(jīng)可以從這些特征中看到輸??入圖片中物體的大致模樣，并且這些特征的形態(tài)沒有遭到破壞。這說明了卷積神??經(jīng)網(wǎng)絡(luò)適合用來提取圖片特征。??＼??Ｖ?＼?＼?Ｍａｘ?——?＞Ｊ＿Ｊ?Ｍａｘ?＾??Ｘ?Ｘ?＾ｃｏｎｖｏｌｕｔｉｏｎ?＾?Ｐ〇〇＂ｎｇ?Ｅｖｏｌｕｔｉｏｎ?？?Ｐｏｏｌｉｎｇ??Ｓｔｒｉｄｅ?ｏｆ??Ｃｏｎｖｏｌｕｔｉ

?利用深度學(xué)習(xí)構(gòu)建苺于內(nèi)容的昔樂推薦系統(tǒng)???這會(huì)使得訓(xùn)練的網(wǎng)絡(luò)更加精簡(jiǎn)和魯棒，但是，在邊界檢測(cè)任務(wù)中，在時(shí)間軸上池??化會(huì)降低時(shí)間的分辨率。圖２－３是Ｃｈｏｉ等人提出的一個(gè)基礎(chǔ)模型ＦＣＮ－５的網(wǎng)絡(luò)結(jié)??構(gòu)，其包括了５層卷積核大小為３Ｘ３的卷積層，這里的分類的類別是５０種。在??ＦＣＮ－５基礎(chǔ)上，作者又加入了卷積核為１Ｘ１的卷積層，得到了一個(gè)效果更好的模??型ＦＣＮ－６。１Ｘ１的卷積層能夠增加最后一層的抽象表達(dá)能力［６３］。在評(píng)價(jià)準(zhǔn)則上，??作者使用了?ＡＵＣ來評(píng)價(jià)模型的好壞。因?yàn)椋粒眨糜袃蓚�(gè)優(yōu)點(diǎn)，一個(gè)是在樣本不平??衡的情況下它的分?jǐn)?shù)仍舊魯棒。第二個(gè)是它的形式足夠簡(jiǎn)單。在實(shí)驗(yàn)中，他們使??用ＭＳＤ數(shù)據(jù)集對(duì)文中提及的幾種ＦＣＮ的變種模型做比較，實(shí)驗(yàn)結(jié)果顯示ＦＣＮ－６??的表現(xiàn)是最佳的。??


本文編號(hào)：3303914