基于改进无监督学习的音乐片段自动推荐技术

摘要

针对音乐平台的迅猛发展，为实现音乐片段的自动推荐，设计基于改进无监督学习的音乐片段自动推荐技术。通过改进的频繁项集挖掘算法对平台用户历史播放数据实施频繁集挖掘。基于残差学习的噪声学习网络改进无监督学习框架（double image prior denoised network,DIPDN），设计掩码图像块去噪网络（masked image patch denoising network,MIPDN）无监督学习框架，实现挖掘数据的去噪处理。依据歌曲节奏对去噪后的数据实施分段处理，设计音频特征提取器提取各段的音频特征，并将其作为基于自编码器的音乐片段推荐模型的输入，实现音乐片段的自动推荐。测试结果表明，设计方法的Precision最高达到0.941,Recall最低仅为0.056，在18:00—22:00这一时段，用户取向捕捉度高达100%。

关键词

改进无监督学习 / MIPDN无监督学习框架 / 音频特征提取器 / 音乐片段推荐

基金资助

河南省科技攻关项目(212102210160); 2021年度河南省高等教育教学改革研究与实践项目(2021SJGLX321)