[发明专利]基于卷积神经网络的音乐推荐方法、存储介质和电子装置

说明书

本发明公开了一种基于卷积神经网络的音乐推荐方法、存储介质和电子装置，通过训练好的性别识别卷积神经网络、音色识别卷积神经网络和音调识别卷积神经网络对用户录音进行特征识别，以获得用户的性别、音色和音调，并基于用户的性别、音色和音调三个参数类别及其权重向用户推荐音乐。本发明基于用户录音的声音特质，而不是用户所录的内容，因此不直接使用录音数据进行音乐推荐，大大减少了后期计算量。同时，通过单独训练三个卷积神经网络识别用户声音的三个参数类别，并根据各类别权重向用户推荐音乐，提高了推荐全面性的同时也提高了推荐准确率。

技术领域

本发明涉及机器视觉识别技术，具体涉及一种基于卷积神经网络的音乐推荐方法、存储介质和电子装置。

背景技术

在智能设备上收听音乐已经成为音乐爱好者的日常习惯。当用户使用音乐app点播音乐时，app可以向用户推荐歌曲。现有的音乐推荐方式一般有根据语音特性进行推荐和根据神经网络进行推荐两种。但是这两种方式都存在一定弊端。首先，现有的根据语音特性进行音乐推荐的方式，其语音特性是根据语音和经验公式提取的特定语音特性，没有直接使用整个语音，忽略了声音的其他未知属性；其次，现有的根据神经网络进行推荐的方式，神经网络单一，计算量大。

发明内容

本发明要解决的技术问题是，提供一种基于卷积神经网络的音乐推荐方法、存储介质和电子装置，以解决现有的根据语音特性进行音乐推荐的方式，没有直接使用整个语音，忽略了声音的其他未知属性，以及现有的根据神经网络进行推荐的方式，神经网络单一，计算量大的问题。

本发明是通过如下技术方案实现的：

一种基于卷积神经网络的音乐推荐方法，包括：

步骤1：接收用户的录音；

步骤2：通过训练好的性别识别卷积神经网络、音色识别卷积神经网络和音调识别卷积神经网络分别对所述用户的录音进行特征识别，以获得所述用户的性别类别、音色类别和音调类别；

步骤3：根据所述用户的性别类别、音色类别和音调类别以及预设的每一类别需要推荐的歌曲数量所占需要推荐的歌曲总数的比例，从曲库中筛选歌曲；

步骤4：判断筛选出的歌曲数量是否达到所需的推荐歌曲数量，如否，则跳转至步骤5，如是，则跳转至步骤6；

步骤5：根据每一类别需要推荐的歌曲数量所占需要推荐的歌曲总数的比例，计算出要使筛选出的歌曲数量达到所需的推荐歌曲数量各类别还需筛选出的歌曲数量，并据此从曲库中补充筛选歌曲；

步骤6：将筛选出的所有歌曲推送到用户客户端进行展示。

进一步地，所述音乐推荐方法还包括：

步骤7：统计用户在所述客户端对各类别对应的推荐歌曲的播放次数，并计算每一类别对应的推荐歌曲的播放次数占所有推荐歌曲的总播放次数的比例；

步骤8：将所述步骤3中的比例，以每一类别对应的推荐歌曲的播放次数占所有推荐歌曲的总播放次数的比例与原来根据同一类别需要推荐的歌曲数量所占需要推荐的歌曲总数的比例的平均值迭代，并返回步骤3。

进一步地，当迭代过程中某一类别需要推荐的歌曲数量所占需要推荐的歌曲总数的比例趋近于0，则在进行音乐推荐时不再参考该类别因素，并剔除该类别识别对应的卷积神经网络不再使用。

进一步地，所述性别识别卷积神经网络、音色识别卷积神经网络和音调识别卷积神经网络的训练方法包括：

从数据库中选取用户打分超过设定值的录音作为录音样本；

生成所述录音样本的声波图；

离散密集型地从所述声波图上选择声音点，生成稀疏的声音矩阵模型；