基于內(nèi)容和用戶歷史的音樂可視分析.pdf

1、音樂是人們生活中不可缺少的一部分。隨著互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和壓縮存儲技術(shù)的成熟，人們收集音樂、存儲音樂的能力得越來越強(qiáng)，但對音樂的分析、處理能力卻沒有得到相應(yīng)的提升。目前對音樂的分析和管理主要有以下幾種方法:一是基于標(biāo)簽的方法，根據(jù)藝術(shù)家、專輯、音樂流派等附加信息對音樂進(jìn)行分析、過濾;二是基于內(nèi)容的方法，它以音樂本身的采樣信息為基礎(chǔ)，從中提取節(jié)奏、音色、音高等多種音樂特征，通過對音樂特征的相似性分析，找出隱藏的規(guī)律和現(xiàn)象，幫助人們更好的

2、理解音樂。三是基于機(jī)器學(xué)習(xí)的方法，通過對音樂樣本的學(xué)習(xí)掌握對應(yīng)關(guān)系，實(shí)現(xiàn)音樂的分類。然而，這幾種方法大都以音樂內(nèi)容為基礎(chǔ)，缺少對用戶行為和偏好的分析，無法滿足不同用戶的欣賞需求。雖然部分學(xué)者提出了基于情感和內(nèi)容的音樂分析方法，將主觀因素和客觀信息相結(jié)合，但情感僅僅是對人們主觀感受的一種概括和總結(jié)，種類有限，還是無法體現(xiàn)個(gè)體用戶之間的差別。另外，對音樂的描述和音樂關(guān)系的展現(xiàn)也是音樂分析過程中的一個(gè)障礙，雖然有學(xué)者提出了基于可視化的解決方案

3、，但還存在一些局限性和不足，沒有對音樂和音樂關(guān)系進(jìn)行深入的挖掘，層次劃分粒度不夠。
　　 本文充分調(diào)研了音樂分析的國內(nèi)外研究現(xiàn)狀，針對音樂分析過程中涉及的若干關(guān)鍵問題和研究難點(diǎn)，以音樂內(nèi)容和用戶交互歷史為研究對象，以可視化和分析為主要方法，提出了基于內(nèi)容和用戶歷史的音樂可視分析。本文的主要研究內(nèi)容和創(chuàng)新點(diǎn)如下:
　　 1.音樂特征的提取和優(yōu)化。本文充分研究了音樂信息提取方面的相關(guān)文獻(xiàn)，以音樂內(nèi)容為基礎(chǔ)，提取了Timbre

4、，Rhythm和Chroma三種特征作為主要分析依據(jù)。三種特征組成的多維向量較為復(fù)雜，且存在冗余信息，對分析效率影響較大。針對這一問題，本文提出了基于可視化技術(shù)的特征優(yōu)化方法，利用擴(kuò)展的平行坐標(biāo)軸消除作用較小的特征分量，利用基于維密度和聚類的散點(diǎn)圖消除作用相似的冗余特征。實(shí)驗(yàn)結(jié)果證明，本文方法能夠有效解決分析精度和分析效率問題。
　　 2.音樂推薦是音樂分析的一個(gè)研究難點(diǎn)和熱點(diǎn)，當(dāng)前的音樂推薦算法由于缺少對主觀因素的分析，無法體

5、現(xiàn)個(gè)體用戶的欣賞偏好。針對這一問題，本文提出了基于內(nèi)容和用戶歷史的音樂推薦算法，利用協(xié)作推薦算法分析用戶行為，利用基于圖的分析方法和相似性分析方法分析音樂特征，最后將多種算法有效融合。實(shí)驗(yàn)結(jié)果表明，本文設(shè)計(jì)的推薦算法相比傳統(tǒng)算法準(zhǔn)確度更高，能夠針對不同用戶推薦其可能喜歡的音樂，有效解決了用戶欣賞偏好和個(gè)體差異問題。
　　 3.對音樂及音樂關(guān)系的描述和展現(xiàn)是音樂分析的又一難點(diǎn)，當(dāng)前的研究成果通常使用OverView+Deta il

6、技術(shù)或者Focus+Co ntex技術(shù)對全局信息和局部細(xì)節(jié)進(jìn)行描述，但在音樂重要性和關(guān)聯(lián)性分析方面的研究還不夠充分。針對這一問題，本文提出了基于層次的音樂信息可視化，根據(jù)用戶關(guān)注度和音樂間的相似關(guān)系將音樂劃分為重要音樂、次重要音樂和輔助音樂三個(gè)層次。該方法利用推薦算法和布局技術(shù)實(shí)現(xiàn)了重要音樂和次重要音樂的展現(xiàn)。該方法還提出了音樂云的概念，利用分段高斯方程和可視編碼技術(shù)，以云片的形式對輔助音樂和相應(yīng)關(guān)系進(jìn)行了可視化描述。用戶調(diào)查結(jié)果顯示，