利用卷积神经网络重新审视基于音频的热门歌曲预测问题

能够预测一首歌是否会成为热门歌曲在音乐产业中具有重要的应用价值。尽管一首歌的流行度可能会受到社会和商业影响等外部因素的极大影响，但由音乐信号计算得出的音频特征（我们将其视为内部因素）能在多大程度上预测歌曲流行度，这本身就是一个有趣的研究问题。受深度学习技术近期成功的启发，我们试图通过使用深度学习联合学习音频特征和预测模型，来扩展先前关于热门歌曲预测的工作。具体而言，我们实验了一个以原始 mel 频谱图作为特征学习输入的卷积神经网络模型，一个使用外部歌曲数据集进行监督预训练和自动标注的更先进的 JYnet 模型，以及这两个模型的结合。我们还考虑了 inception 模型以表征不同尺度的音频信息。我们的实验表明，在预测台湾中文或西方流行歌曲的流行度方面，深层结构确实比浅层结构更准确。我们还使用 JYnet 预测的标签来深入了解不同模型的结果。