[发明专利]一种歌曲推荐方法、系统、智能设备及存储介质

权利要求书

1.一种歌曲推荐方法，其特征在于，包括步骤：

对目标类型歌曲进行细分类；

获取各个细分类下的若干个歌曲文件，并将所述歌曲文件转换成训练声谱图；

建立歌曲分类模型，并通过所述训练声谱图对所述歌曲分类模型进行训练；

获取用户选择的目标类型下的当前歌曲，并将所述当前歌曲对应的声谱图输入训练好的所述歌曲分类模型，获得所述当前歌曲对应的当前细分类；

根据所述当前细分类进行歌曲推荐。

2.根据权利要求1所述的一种歌曲推荐方法，其特征在于，所述的通过所述训练声谱图对所述歌曲分类模型进行训练之后，还包括步骤：

通过训练好的所述歌曲分类模型对存储的目标类型下的所有歌曲进行细分类；

为每个细分类建立歌曲相似模型，并通过所述歌曲相似模型提取各个细分类下所有歌曲的特征向量；

所述的获得所述当前歌曲对应的当前细分类之后，还包括步骤：

通过所述当前细分类对应的所述歌曲相似模型提取所述当前歌曲对应的特征向量：

将所述当前歌曲对应的特征向量与所述当前细分类下的所有歌曲的特征向量进行比较，获得相似度最高的目标歌曲并进行推荐。

3.根据权利要求2所述的一种歌曲推荐方法，其特征在于：通过余弦相似性算法对所述当前歌曲对应的特征向量与所述当前细分类下的所有歌曲的特征向量进行比较；

将最大余弦相似性的歌曲作为目标歌曲进行推荐。

4.根据权利要求2所述的一种歌曲推荐方法，其特征在于，所述的获取各个细分类下的若干个歌曲文件，并将所述歌曲文件转换成训练声谱图，具体包括：

提取所述歌曲文件内的预设时间段的音频；

将所述预设时间段的音频转换成完整声谱图；

将所述完整声谱图平分成预设数量的所述训练声谱图；

所述的将所述当前歌曲对应的声谱图输入训练好的所述歌曲分类模型，具体包括：

提取所述当前歌曲的预设时间段的音频；

将所述当前歌曲对应的预设时间段的音频转换成预设数量的声谱图；

将所述当前歌曲对应的预设数量的声谱图输入训练好的所述歌曲分类模型。

5.根据权利要求4所述的一种歌曲推荐方法，其特征在于，所述的通过所述歌曲相似模型提取各个细分类下所有歌曲的特征向量，具体包括：

提取各个细分类下所有歌曲的预设时间段的音频；

将各个细分类下所有歌曲对应的预设时间段的音频转换成预设数量的声谱图；

通过所述歌曲相似模型提取各个细分类下与各个歌曲的预设数量的声谱图对应的预设数量的特征向量；

计算各个细分类下各个歌曲的平均向量；

所述的通过所述当前细分类对应的所述歌曲相似模型提取所述当前歌曲对应的特征向量，具体包括：

通过所述当前细分类对应的所述歌曲相似模型提取与所述当前歌曲的预设数量的声谱图对应的预设数量的特征向量；

计算所述当前歌曲对应的平均向量；

所述的将所述当前歌曲对应的特征向量与所述当前细分类下的所有歌曲的特征向量进行比较，具体包括：

将所述当前歌曲对应的平均向量与所述当前细分类下的各个歌曲的平均向量进行比较。

6.一种歌曲推荐系统，其特征在于，包括：

第一分类模块，用于对目标类型歌曲进行细分类；

获取模块，与所述第一分类模块连接，用于获取各个细分类下的若干个歌曲文件，并将所述歌曲文件转换成训练声谱图；

训练模块，与所述获取模块连接，用于建立歌曲分类模型，并通过所述训练声谱图对所述歌曲分类模型进行训练；

推荐模块，与所述训练模块连接，用于获取用户选择的目标类型下的当前歌曲，并将所述当前歌曲对应的声谱图输入训练好的所述歌曲分类模型，获得所述当前歌曲对应的当前细分类，再根据所述当前细分类进行歌曲推荐。