基于trigger模型的音頻檢索研究


2.64萬字 49頁 原創(chuàng)作品，已通過查重系統(tǒng)


摘 要
傳統(tǒng)的音樂檢索基本上是基于歌名、歌手、歌詞中的關鍵詞等從曲庫中檢索出符合條件的音樂作品。在基于內(nèi)容的音樂檢索技術的研究中，通?？紤]音樂的節(jié)奏、音色、音高、強度等物理特征作為內(nèi)容進行匹配檢索，由于這些特征過于專業(yè)化，很難得到用戶的接受。Web2.0的發(fā)展提供了用戶自由行為，用戶可以通過自己對音樂的理解定義標簽，不同的標簽從不同角度詮釋著用戶對音樂的理解。標簽之間就存在trigger關系，即觸發(fā)關系。
本文主要研究的是語義標簽的trigger檢索問題，將標簽互相關聯(lián)，利用最大熵原理來搭建trigger模型，利用trigger模型，即觸發(fā)對，有“強標簽”（觸發(fā)標簽）和“弱標簽”（被觸發(fā)標簽），若“強標簽”（觸發(fā)標簽）標注了一首歌曲，則能夠提高“弱標簽”（被觸發(fā)標簽）標注這首歌曲的概率。標簽標注歌曲是利用自動語義標注技術實現(xiàn)的，最大熵原理是一種選擇隨機變量統(tǒng)計特性最符合客觀情況的準則。一個標簽可與多個標簽相關聯(lián)，那么這多個標簽對于這一個標簽來說就擁有了隨機變量統(tǒng)計特性，但是符合上述條件的分布有多種，通常，其中有一種分布熵最大。選用此種熵最大的分布作為該隨機變量的分布，是一種有效的處理方法和準則，當我們利用最大熵原理構建好trigger標簽以后，一首歌就能被多個標簽準確的標注了，這樣能夠方便更加方便用戶檢索到自己想要的歌曲。
本文著重介紹里用最大熵原理搭建trigger模型，使用trigger模型加強標簽間的相互關聯(lián)性，通過“強標簽”改善“弱標簽”的標注概率，增強標簽標注歌曲的準確率，并對標簽標注的準確率進行了實驗檢測，通過實驗結果證明了此方法的可行性。



【關鍵詞】最大熵原理；trigger模型；自動語義標注；觸發(fā)對；標簽