基于曲内过渡训练的 RNN 的播放列表生成算法
人工智能
2016-06-08 v1 多媒体
声音
摘要
我们提出了一种新颖的播放列表生成算法，该算法利用循环神经网络 (RNN) 关注过渡的质量。所提出的模型假设曲目之间的最优过渡可以通过音乐曲目内部的过渡来建模和预测。我们介绍了使用 RNN 对高级音乐描述符序列进行建模，并讨论了一个涉及不同相似度函数的实验，其中序列由音乐结构分析算法提供。定性观察表明，所提出的方法能有效建模播放列表中音乐曲目的过渡。
引用
@article{arxiv.1606.02096,
title = {Towards Playlist Generation Algorithms Using RNNs Trained on Within-Track Transitions},
author = {Keunwoo Choi and George Fazekas and Mark Sandler},
journal= {arXiv preprint arXiv:1606.02096},
year = {2016}
}
备注
4 pages, 2 figures, accepted to Workshop on Surprise, Opposition, and Obstruction in Adaptive and Personalized Systems (SOAP) 2016, Halifax, Canada