基于深度学习的音乐序列移调不变秩距离

符号音乐序列之间的距离在许多应用中都是必需的，从音乐检索到自动音乐生成。这些音乐序列属于给定的语料库（或风格），显然，一个好的音乐序列距离应该考虑这一信息；能够凭空定义一个适用于所有音乐风格的距离似乎不可信。距离还应在某些变换（如移调）下保持不变，以便它可以用作音乐动机之间的距离，而不是音乐序列之间的距离。然而，据我们所知，现有的设计音乐距离的方法似乎都没有解决这些问题。本文介绍了一种从数据中学习符号音乐序列的移调不变距离的方法。它是一种混合距离，结合了学习到的音乐序列特征表示和手工设计的秩距离。与先前的方法相比，该距离对数据的音乐编码依赖更少，并给出了感知上良好的结果。我们在J.S.巴赫的合唱旋律数据集上展示了其效率。