协同过滤音乐推荐 (Docker 部署） 协同过滤 音乐推荐 深度学习 音乐检索 Docker @[toc] 介绍 项目主要工作在 Million Song Dataset 数据集下基于 Python 的 scikit-surprise 库实现了基于协同过滤的音乐推荐，还有用 CNN (卷积神经网络) 实现相似音乐推荐。 其中，协同过滤主要基于 Python scikit-surprise 库的 写的协同过滤算法， 所采用的数据集的原因，协同过滤出来的指标比较低，系统中协同过滤的结果采用三个算法输出的结果投票。 另外就是参照下面的参考项目做了基于深度学习的音乐推荐，该项目主要实现相似相似旋律的音乐推荐。其主要通过 CNN 对音乐音频信息进行特征提取，然后对提取后的特征向量与实现保存好的一些音乐特征向量进行相似度匹配，将相似度最高的几首音乐作为推荐结果。该方法可以用于音乐检索，音乐防抄袭

本篇文章中主要介绍了用python实现一个音乐检索器，类似于QQ音乐的摇一摇识曲，有兴趣的同学可以了解一下。

听歌识曲，顾名思义，用设备“听”歌曲，然后它要告诉你这是首什么歌。而且十之八九它还得把这首歌给你播放出来。这样的功能在QQ音乐等应用上早就出现了。我们今天来自己动手做一个自己的听歌识曲 我们设计的总体流程图很简单： —– 录音部分 —– 我们要想“听”，就必须先有录音的过程。在我们的实验中，我们的曲库也要用我们的录音代码来进行录音，然后提取特征存进数据库。我们用下面这样的思路来录音 # coding=utf8 import wave import pyaudio class recode(): def recode(self, CHUNK=44100, FORMAT=pyaudio

音乐检索的主要方法是基于内容的检索，即利用音乐的音符、旋律、节奏、歌曲风格等语义级的特征或者声学层特征从数据库中检索乐曲。本研究专题使用基于信号频谱分析的方法实现音乐检索。

这份文件里是用matlab来实现音乐检索，里面有音乐检索界面，输入几首音乐，根据音乐的音色、频率等等特点，可以比对出音乐的不同，找出相似的音乐。

用Python实现一个简单的听歌识曲demo，采用的算法是beat_track和DTW序列匹配。使用方法： (1)当前已有的音频数据库是周杰伦的范特西专辑，运行脚本librosa_main.py，播放一首范特西里面的歌曲，20秒即可完成识别匹配； (2)要想生成自己的音乐检索库，把歌曲放入music_base，支持的音频格式是wav，运行脚本librosa_music.py就可以生成检索库，存储为beatDatabase.npy。然后再用librosa_main.py完成识别。 博客地址 https://blog.csdn.net/wblgers1234/article/details/82499161

哼唱检索是基于旋律内容的音乐检索，指用户通过唱出歌词或者哼出歌曲旋律作为输入检索数据，从旋律数据库中检索相对应音乐的检索方法；相对于传统的基于文本的音乐检索，哼唱检索给用户提供了更便捷友好的查询方式，不仅可以作为基于文本的音乐检索一种有益补充，而且还能带来更佳的用户体验。

关于哼唱检索的论文，里面有具体的实现，叫你怎么做出一个实际的系统出来，具有很大的参考价值