[发明专利]一种歌曲推荐方法、系统、智能设备及存储介质

说明书

本发明提供了一种歌曲推荐方法、系统、智能设备及存储介质，其方法包括步骤：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。该方案不需要获取用户行为、数据等，便能够根据歌曲本身的特征进行相似推荐，推荐精度更高，适用范围更广，能够满足不同类型人群的需求。

技术领域

本发明涉及儿歌推荐技术领域，尤指一种歌曲推荐方法、系统、智能设备及存储介质。

背景技术

现有的歌曲推荐方法有很多，主流音乐推荐技术是通过大量的用户行为数据、社交数据、用户画像等数据使用协同算法分类判断，实现推荐，如spotify，虾米音乐等。但该方法对于很多垂直型或相对小众型用户的应用，如儿歌就不太适用，因为用户数据很少甚至没有，就无法根据用户行为、数据等做推荐或推荐的精度较低。因此，需要一种精度更高，且不需要获取用户的行为、数据等，便能够进行歌曲推荐的方法。

发明内容

本发明的目的是提供一种歌曲推荐方法、系统、智能设备及存储介质，该方案不需要获取用户行为、数据等，便能够根据歌曲本身的特征进行相似推荐，推荐精度更高，适用范围更广，能够满足不同类型人群的需求。

本发明提供的技术方案如下：

本发明提供一种歌曲推荐方法，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。

具体的，可以对一个大类型的歌曲进行细分类，如可以将儿歌分成摇篮曲、游戏歌、数数歌、问答歌、绕口令、连锁调、谜语歌、颠倒歌、字头歌、故事类、抒情类、幼儿园、胎教音乐、睡眠歌、磨耳朵、动画歌、贝瓦儿歌、三字经、古诗歌、英文儿歌、古典音乐等21个分类。当然，也可以按照其它标准进行分类。

在获取各个细分类下的若干个歌曲文件作为训练集时，为了提高模型的精准度，应每个细分类选择较多的歌曲文件。以上述儿歌为例，在本实施例中，每个细分类选择50个mp3歌曲文件，共1050个mp3文件。

音频文件内包含的信息很多，为了提取特征并去噪，可以把音频转换为图像形式，利用傅里叶变换法，将音频信号转换为频域，用这种方法处理1050个MP3音频文件，将每首歌提取转换成声谱图。声谱图就是声音频率的频谱随着时间变化的可视化表示，图谱中颜色的深浅表示该频率下的声音大小。

在本实施例中，歌曲分类模型为Tensorflow卷积神经网络模型，在进行分类时，声谱图像将被转换成一个表示每个像素的颜色的数字矩阵，之后数据经过卷积层、池化层以及全连接层等处理后转换成softmax分类器，这个分类器是一个由多个数字(如与儿歌细分类对应的21个数字)组成的向量，包含了卷积神经网络模型将各个歌曲细分类分配给声谱图的概率，最后选择其中最大概率位置的分类为最终识别分类。在其它实施例中，还可以选用其它类似神经网络模型进行歌曲分类。