一种模型训练方法、装置、设备及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN112445933A(43)申请公布日2021.03.05(21)申请号202011417330.2G06N20/00(2019.01)(22)申请日2020.12.07(71)申请人腾讯音乐娱乐科技（深圳）有限公司地址518052广东省深圳市前海深港合作区前湾一路1号A栋201室（入驻深圳市前海商务秘书有限公司）(72)发明人陈肇康林梅露吴斌雷兆恒(74)专利代理机构深圳市深佳知识产权代理事务所(普通合伙)44285代理人陈彦如(51)Int.Cl.G06F16/65(2019.01)G06K9/62(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书3页说明书13页附图7页(54)发明名称一种模型训练方法、装置、设备及存储介质(57)摘要本申请公开了一种模型训练方法、装置、设备及存储介质，在该方案中，利用无音乐类型标签的歌曲片段集作为训练数据，因此无需对整首歌曲或歌曲片段打音乐类型标签，简化了模型训练前的准备工作，降低了时间成本。并且，符合收敛条件的模型中的嵌入层可以提取待识别歌曲中的各个歌曲片段的待识别特征，因此可识别各个歌曲片段对应的音乐类型。可见，本申请可以精准识别待识别歌曲中的各个歌曲片段对应的音乐类型，而不是笼统地对整首歌曲进行音乐类型识别，故本申请能够区分一首歌曲中不同音乐类型的片段，提升了歌曲音乐类型的识别精度和准确度，可适用于识别具有多元化音乐元素的歌曲。CN112445933ACN112445933A权利要求书1/3页1.一种模型训练方法，其特征在于，包括：获取无音乐类型标签的多个歌曲片段形成的歌曲片段集；利用目标模型中的嵌入层提取所述歌曲片段集中的各个歌曲片段的片段特征，以得到片段特征集；利用所述目标模型中的全连接层对所述片段特征集中的片段特征进行分类，得到分类结果；若确定需要聚类，则利用聚类算法对所述片段特征集中的片段特征进行聚类，得到当前聚类结果；根据所述分类结果和所述当前聚类结果的损失值更新所述目标模型的模型参数，得到更新后的目标模型；若所述更新后的目标模型符合收敛条件，则利用所述更新后的目标模型中的嵌入层提取待识别歌曲中的各个歌曲片段的待识别特征。2.根据权利要求1所述的模型训练方法，其特征在于，所述确定需要聚类，包括：判断聚类算法执行周期是否达到阈值；若聚类算法执行周期达到阈值，则执行聚类操作；若聚类算法执行周期未达到阈值，则不进行聚类。3.根据权利要求2所述的模型训练方法，其特征在于，所述确定不需要聚类之后，还包括：若确定存在历史聚类结果，则根据所述分类结果和所述历史聚类结果的损失值更新所述目标模型的模型参数，得到更新后的目标模型。4.根据权利要求3所述的模型训练方法，其特征在于，还包括：若确定不存在所述历史聚类结果，则根据所述分类结果和类别标签的损失值更新所述目标模型的模型参数，得到更新后的目标模型，用所述更新后的目标模型替换所述目标模型，并循环进行模型训练；其中，所述歌曲片段集中的、属于同一歌曲的、不同歌曲片段标注有不同或相同的类别标签。5.根据权利要求1所述的模型训练方法，其特征在于，所述更新后的目标模型符合收敛条件，包括：若确定所述当前聚类结果与历史聚类结果的差异符合预设要求，则更新符合所述预设要求的次数，若所述次数不小于预设阈值，则确定所述更新后的目标模型符合收敛条件。6.根据权利要求5所述的模型训练方法，其特征在于，还包括：若确定所述差异不符合所述预设要求，或所述次数小于所述预设阈值，则确定所述更新后的目标模型不符合收敛条件，用所述更新后的目标模型替换所述目标模型，用所述当前聚类结果替换所述历史聚类结果，并循环进行模型训练。7.根据权利要求1所述的模型训练方法，其特征在于，所述根据所述分类结果和所述当前聚类结果的损失值更新所述目标模型的模型参数，得到更新后的目标模型，包括：利用目标损失函数计算所述分类结果和所述当前聚类结果的损失值；根据所述损失值分别优化所述目标模型中的嵌入层参数和全连接层参数，得到所述更新后的目标模型。2CN112445933A权利要求书2/3页8.根据权利要求1所述的模型训练方法，其特征在于，所述利用聚类算法对所述片段特征集中的片段特征进行聚类，得到当前聚类结果，包括：根据不同歌曲之间的相似性将所述片段特征集划分为多个相似特征子集；分别对所述多个相似特征子集中的片段特征进行聚类，以得到每个相似特征子集对应的第一聚类子结果，将所有第一聚类子结果确定为所述当前聚类结果。9.根据权利要求8所述的模型训练方法，其特征在于，所述根据不同歌曲之间的相似性将所述片段特征集划分为多个相似特征子集，包括：从所述片段特征集中提取第一歌曲对应的第一特征组，以及第