基于注意力LSTM的音乐主题推荐模型

摘要：

针对传统音乐推荐过程中存在的分类准确率较低、周期较长、难以满足人们在生活中对主题音乐的需求等问题,设计了一种注意力机制与长短期记忆(Long Short-Term Memory,LSTM)相结合的神经网络模型,它由音乐主题模型和音乐推荐模型构成,在使用注意力机制和LSTM网络实现音乐情感分类的基础上,音乐主题模型有效地组合了音频码本和主题模型,实现了对某个情感下的音乐主题子类的判别.音乐推荐模型则利用低级描述符(Low-Level Descriptor,LLD)和频谱图,构建手工特征与卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)特征的联合表示形式,从而获得用户语音表达的情感,并对其进行精准的音乐主题推荐.实验中,针对两个模型分别进行设计,采用两种不同的传统模型作为基线,实验结果表明,与传统的单一模型相比,此模型不仅可以提升主题分类精度,而且可以精准地判断用户语音数据的情感,从而定向地完成主题音乐的推荐.

关键词：音乐主题推荐、长短期记忆网络、注意力机制、卷积循环神经网络、低级描述符、主题模型

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：辽宁省自然科学基金项目20180551068

在线出版日期：2019-12-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：230-235