[发明专利]一种基于多层感知机的音乐情感预测方法

说明书

本发明公开了一种基于多层感知机的音乐情感预测方法，涉及音乐情感分析技术领域，包括步骤：将音乐情感数据集中的音乐特征序列输入三元组神经网络模型中提取高阶音频特征，对原始音频特征进行降维；将高阶音频特征序列输入多层感知机中预测valence‑arousal值。本发明与传统分类算法相比，本发明构建的组合模型在Rsupgt;2/supgt;和MSE两种评价指标上均有明显提升，具有更高的分类精度，提高了音乐情感分类的性能。

技术领域

本发明涉及音乐情感分析技术领域，尤其涉及一种基于多层感知机的音乐情感预测方法。

背景技术

随着科技的发展以及社会水平的提高，人们把注意力转向了精神层面的富足，越来越多的人从音乐中寻求情感的共鸣。因此，能够准确的向用户提供符合用户当下情感状态的歌曲就变得有意义。面对大量的在线音乐资源，对于音乐信息检索(MIR)的要求也越来越高，因此，音乐情感识别(MER)发展迅速，并被广泛应用，如音乐推荐系统、音乐心理学和人工智能等。在音乐情感识别领域，当前更多的研究方向是基于用户面部表情的音乐情感分析、基于歌词的音乐情感分析、基于音频的音乐情感分析和基于流派的音乐情感分析。对于情感模型而言，由于其对情感描述方式的不同，可以分为离散情感模型和连续情感模型。离散情感模型是把情感状态描述为离散的形式，即基本情感类别，如喜、怒、哀、乐等。离散情感模型较为简洁明了，方便理解，但只能描述有限种类的情感状态，不够细腻和丰富。连续情感模型中最典型的就是二维情感模型，它将情感划分为两个维度，分别为价效维度和唤醒维度。其中价效维度的负半轴表示消极情感，正半轴表示积极情感。其中，唤醒维度的负半轴表示平缓的情感，正半轴表示强烈的情感。

而传统的音乐情感分析模型大多采用机器学习的K近邻算法(KNN)和支持向量机(SVM)模型，此类机器学习模型中的音频特征大多都是手工提取，缺乏对音频特征的全面提取，计算性能大大降低，需耗费大量的人力物力，且会导致在音乐情感预测方向上准确度不高。

发明内容

本发明提供了一种基于多层感知机的音乐情感预测方法，目的是为了解决现有技术中音乐情感预测的准确度不佳的问题。

为了实现上述目的，本发明提供如下技术方案：一种基于多层感知机的音乐情感预测方法，包括步骤：

获取音乐情感数据；

利用三元组神经网络对所述音乐情感数据中的原始音频特征进行降维，获得音乐情感数据中的高阶音频特征；

将音乐情感数据中的高阶音频特征输入多层感知机MLP网络中，经过前向传播，得到输出的情感值；

计算输出的情感值和真实情感值的总误差，并基于所述总误差利用反向传播算法的监督学习法对多层感知机MLP网络进行训练；

将待预测的音乐情感数据输入训练好的多层感知机MLP网络中进行音乐情感预测，获得音乐情感预测结果valence-arousal值。

优选的，在所述利用三元组神经网络对所述音乐情感数据中的原始音频特征进行降维之前，需对所述音乐情感数据集进行预处理，所述预处理包括如下步骤：

加载音乐情感数据集，去除数据集中音频缺失的特征信息，形成特征数据文件、valence值文件和arousal值文件。

优选的，所述利用三元组神经网络对所述音乐情感数据中的原始音频特征进行降维，具体包括如下步骤：

构建三元组神经网络；

将构建的若干对三元组输入三元组神经网络，根据三元组损失函数值来训练网络模型，将高维的音频序列降为低维的音频序列，获得高阶音频特征；

所述三元组损失函数表达式如下：