采用聚类分析的乐曲分类方法.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CN110427516A(43)申请公布日2019.11.08(21)申请号201810397604.2(22)申请日2018.04.28(71)申请人李婷地址610000四川省成都市侯区新生路6号(72)发明人李婷(51)Int.Cl.G06F16/68(2019.01)权利要求书1页说明书2页(54)发明名称采用聚类分析的乐曲分类方法(57)摘要本发明公开了采用聚类分析的乐曲分类方法，包括以下步骤：S1：在同一个向量空间中建立所有音乐的特征向量；S2：选取任意不为核心音乐的音乐特征向量作为核心音乐；S3：选取聚类半径，所述聚类半径为角度；S4：将所有的与核心音乐特征向量的夹角小于聚类半径的音乐同该核心音乐聚为同一类；S5：将所有的聚类后的音乐视为核心音乐并执行S4。本发明采用聚类分析的乐曲分类方法，通过上述步骤，可以将音乐按照其各自相似度形成聚类，当用户进行搜索时，可以快速的根据音乐形成的聚类找到所需音乐。CN110427516ACN110427516A权利要求书1/1页1.采用聚类分析的乐曲分类方法，其特征在于，包括以下步骤：S1：在同一个向量空间中建立所有音乐的特征向量；S2：选取任意不为核心音乐的音乐特征向量作为核心音乐；S3：选取聚类半径，所述聚类半径为角度；S4：将所有的与核心音乐特征向量的夹角小于聚类半径的音乐同该核心音乐聚为同一类；S5：将所有的聚类后的音乐视为核心音乐并执行S4。2.根据权利要求1所述的采用聚类分析的乐曲分类方法，其特征在于，所述特征向量的元素包括歌手和音乐风格。3.根据权利要求1所述的采用聚类分析的乐曲分类方法，其特征在于，所述聚类半径为10～20°。4.根据权利要求1所述的采用聚类分析的乐曲分类方法，其特征在于，还包括以下步骤：S6：当所有的音乐都进行过聚类，且存在非核心音乐则执行S2。5.根据权利要求1所述的采用聚类分析的乐曲分类方法，其特征在于，所述特征向量的维度大于256。2CN110427516A说明书1/2页采用聚类分析的乐曲分类方法技术领域[0001]本发明涉及计算机技术领域，具体涉及采用聚类分析的乐曲分类方法。背景技术[0002]在互联网时代，各类音乐网站极大的方便了人们对于音乐的需求。然而，大型的音乐门户网站能够保存上千万首歌曲，在面对如此海量的音乐信息时，人们往往难以从中找到符合自己口味的歌曲。传统的搜索引擎只适合应用在用户有明确的目标并且能够用关键词准确的表达出来的信息检索问题。现有的音乐数据库中，音乐没有进行很好的归类，导致音乐检索速度很慢，从而降低了向用户推荐音乐的速度。发明内容[0003]本发明所要解决的技术问题是现有的音乐数据库中，音乐没有进行很好的归类，导致音乐检索速度很慢，从而降低了向用户推荐音乐的速度，目的在于提供采用聚类分析的乐曲分类方法，解决上述问题。[0004]本发明通过下述技术方案实现：[0005]采用聚类分析的乐曲分类方法，包括以下步骤：S1：在同一个向量空间中建立所有音乐的特征向量；S2：选取任意不为核心音乐的音乐特征向量作为核心音乐；S3：选取聚类半径，所述聚类半径为角度；S4：将所有的与核心音乐特征向量的夹角小于聚类半径的音乐同该核心音乐聚为同一类；S5：将所有的聚类后的音乐视为核心音乐并执行S4。[0006]现有技术中，现有的音乐数据库中，音乐没有进行很好的归类，导致音乐检索速度很慢，从而降低了向用户推荐音乐的速度。本发明应用时，先在同一个向量空间中建立所有音乐的特征向量；然后选取任意不为核心音乐的音乐特征向量作为核心音乐，再然后选取聚类半径，所述聚类半径为角度，再然后将所有的与核心音乐特征向量的夹角小于聚类半径的音乐同该核心音乐聚为同一类，再然后将所有的聚类后的音乐视为核心音乐并执行S4，通过上述步骤，可以将音乐按照其各自相似度形成聚类，当用户进行搜索时，可以快速的根据音乐形成的聚类找到所需音乐。[0007]进一步的，所述特征向量的元素包括歌手和音乐风格。[0008]进一步的，所述聚类半径为10～20°。[0009]进一步的，还包括以下步骤：S6：当所有的音乐都进行过聚类，且存在非核心音乐则执行S2。[0010]进一步的，所述特征向量的维度大于256。[0011]本发明与现有技术相比，具有如下的优点和有益效果：[0012]本发明采用聚类分析的乐曲分类方法，通过上述步骤，可以将音乐按照其各自相似度形成聚类，当用户进行搜索时，可以快速的根据音乐形成的聚类找到所需音乐。具体实施方式3CN110427516A说明书2/2页[0013]为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，