[发明专利]一种基于深度学习的古诗词配乐方法及系统

权利要求书

1.一种基于深度学习的古诗词配乐方法，其特征在于，包括：

S1：构建关于音乐情感的音乐分类模型；可通过输入音乐文件至所述音乐分类模型，用于相应地确定音乐文件的音乐情感类型；

S2：构建包括若干个音乐文件的音乐库，通过音乐分类模型分别确定音乐库中若干个音乐文件的音乐情感类型；

S3：基于深度学习构建关于古诗词情感的古诗词分类模型；可通过输入古诗词文本至所述古诗词分类模型，用于相应地确定古诗词文本的主题分类结果和情感分类结果；

S4：获取待配乐的古诗词的待匹配文本，输入待匹配文本至古诗词分类模型，确定待匹配文本的主题分类结果和情感分类结果；

S5：基于预设的特征匹配模型，根据待匹配文本的主题分类结果和情感分类结果，确定相应于待匹配文本的可匹配的音乐情感类型并且在音乐库中搜索相应于可匹配的音乐情感类型的音乐文件，确定相应于待匹配文本的匹配音乐。

2.根据权利要求1所述的一种基于深度学习的古诗词配乐方法，其特征在于，所述音乐分类模型包括：音乐特征模型、音乐识别模型和分类认知模型；

所述音乐特征模型，用于确定音乐文件中音乐基本单元的音乐特征；

所述音乐识别模型，用于确定音乐文件中音乐基本单元的音乐情感类型；

所述分类认知模型，用于根据音乐文件中音乐基本单元的音乐特征和音乐情感类型，确定音乐文件的音乐情感类型。

3.根据权利要求2所述的一种基于深度学习的古诗词配乐方法，其特征在于，所述音乐特征模型中的音乐特征包括：音高、音强、旋律方向、速度、节拍和音色；

以及，所述音乐特征模型包括：Hevner情感环模型；

以及，所述分类认知模型基于决策树理论确定音乐文件的音乐情感类型。

4.根据权利要求1所述的一种基于深度学习的古诗词配乐方法，其特征在于，所述古诗词分类模型包括：主题分类模型FastText和情感分类模型BiLSTM；

以及，所述步骤S3包括：

S31：构建包括若干个古诗词的诗词库，以及对诗词库中的若干个古诗词进行预处理，得到预处理文库；

S32：在预处理文库中挑选出训练集和测试集；

S33：根据训练需求，通过训练集训练模型并且通过测试集测试模型，得到相应于训练需求的主题分类模型FastText和情感分类模型BiLSTM；

可通过输入音乐文件至所述主题分类模型FastText，用于相应地确定音乐文件的主题分类结果；可通过输入音乐文件至所述情感分类模型BiLSTM，用于相应地确定音乐文件的情感分类结果。

5.根据权利要求4所述的一种基于深度学习的古诗词配乐方法，其特征在于，所述步骤S31包括：

S311：基于包含诗词内容的语料库和包含情感标签的知识库，构建起包含古诗词内容和古诗词对应情感标签的的诗词库；

S312：去除诗词库中的若干个古诗词的标点符号，分别得到若干个古诗词的纯文本；

S313：基于预设标准对纯文本进行切分，得到相应于若干个古诗词的切分文本；

S314：通过Python中的Gensim自然语言处理工具包使用Word2Vec模型将若干个切分文本转化为相应于若干个古诗词的词向量，得到预处理文库。

6.根据权利要求5所述的一种基于深度学习的古诗词配乐方法，其特征在于，所述步骤S313中的预设标准可为以字为单位，也可为以词为单位。