基于TLDA和SVSM的音乐信息检索模型

• 作者: 周利娟 林鸿飞 闫俊
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 音乐信息检索 音乐向量空间模型 标签聚类 标签推荐 TLDA模型
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: CCML 2013
• 页码范围: 174-178
• 页数: 5页
• 分类号: TP319
• 字数: 6569字
• 语种: 中文

摘要

随着协同标注功能的普及,用户可以通过标注自己感兴趣的音乐实现个性化的分类管理,因此音乐共享系统中的社会化标签已成为互联网的重要资源.为了提高音乐检索系统的效率,综合考虑了社会化标签的特性及其对音乐检索模型的影响,利用了TLDA方法来进行标签聚类以获取更多的语义相关的标签,综合考虑了用户检索行为、歌词、音乐标签和音乐流行度来提高音乐信息检索系统的性能.实验表明,基于TLDA和SVSM的音乐检索模型相比于基于属性数据的音乐检索模型以及k-means标签聚类的模型,尤其是在音乐标签稀疏和非正规的情况下,能够在一定程度上提高音乐检索的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周利娟	大连理工大学计算机科学与技术学院	3	32	3.0	3.0
2	林鸿飞	大连理工大学计算机科学与技术学院	214	3759	31.0	55.0
3	闫俊	大连理工大学计算机科学与技术学院	10	110	4.0	10.0