音乐点播系统的设计与实现

发布时间：2020-09-19 19:44

　　经历近几年的爆发式增长,作为时下最热门的人工智能产品——智能音箱,早在很久之前就己经在硬件产品中脱颖而出。对音箱而言其最重要的功能模块就是音乐点播系统,本文详细介绍音乐点播系统的分析、设计、实现和测试四个过程。本人在公司实习期间,亲自参与项目的需求分析阶段、系统设计阶段、实现阶段和测试阶段。本人在项目中主要负责对系统的设计和具体开发以及开发之后的自测。通过对上一代系统上线后的使用情况分析,可知上一代系统的主要问题有三点:(1)系统对于用户话术的意图识别的准确性和实时性还达不到基本要求;(2)没有音乐槽值词表,不利于对音乐相关模型的训练,从而导致识别率低下;(3)因为服务供应方的服务能力的限制,导致整个业务链流程过长,从而影响服务整体响应时间。得出项目需要从根本上解决上述三个问题的最终需求。针对旧系统的三个主要问题,通过设计新的语言模型Bi-LSTM-CNN-CRF来解决第一个问题;通过爬取大量网络音乐资源,构建高效的Redis数据库,来解决没有词表的问题;通过设计高读取效率的ES和Redis数据库来解决系统总延时高的问题。设计完成之后,本人负责项目的具体实现工作,主要负责系统后端全部开发工作,其中包括对数据库的构建,新语言模型的构建和系统流程的构建,并进行测试和完善。项目的创新点在于提出结合意图识别和槽提取任务,训练Bi-LSTM-CNN-CRF联合模型,从而得到更好的结果序列。目前,本系统已经完成并运行效果良好,在本系统的帮助下,用户有通过非模式化语言随意点播歌曲的体验。
【学位单位】：北京交通大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN912.26;TP311.52
【部分图文】：

朴素贝叶斯,归一化因子

Ｐｗ（ｙｌｘ）邋＾邋ｅｘｐ（￡；ｗ＾（ｘ＇ｙ））逦（４）逡逑其中，Ｚｗ（ｘ）为归一化因子，ｗ为模型参数，ｆｉ（ｘ，邋ｙ）为特征函数（ｆｅａｔｕｒｅ邋ｆｉｍｃｔｉｏｎ）逡逑用来描述（ｘ，ｙ）的某一事件。图２－１所示表示六种模型之间的转换关系。正如朴素逡逑贝叶斯和ｌｏｇｉｓｔｉｃｓ回归是生成＿判别对一样，ＨＭＭ的判别的相似物为ＣＲＦ的部分逡逑

无向图,独立图,因子图,朴素贝叶斯

（ａ）独立图逦（ｂ）因子图逡逑图２－３隐马尔科夫模型的独立图和因子图逡逑Ｆｉｇ．２－３邋Ｉｎｄｅｐｅｎｄｅｎｃｙ邋ａｎｄ邋ｆａｃｔｏｒ邋ｇｒａｐｈ邋ｆｏｒ邋ｔｈｅ邋Ｈｉｄｄｅｎ邋Ｍａｒｋｏｖ邋Ｍｏｄｅｌ．［２３Ｊ１３逡逑与ＮＢ不同的是，最大熵模型是从全局的角度来构建模型，它的宗旨是：“做逡逑最大的努力保证最大范围的不确定性，就算没有其他数据，也不会凭空做任何假设”逡逑［２３］６。最大熵模型的特征函数可看作是人工构建的模型的信息，用来映射ｘ与ｙ的逡逑关系。有向图无法表示这种相关性，所以采用无向图表示最大熵模型，即采用因子逡逑图来表述最大熵模型。其中最大熵模型与马尔可夫随机场所对应的因子图都满足逡逑这样的因子分解：逡逑Ｐ（ｖ）逦（７）逡逑其中，Ｃ为图的团，＾为势函数（ｐｏｔｅｎｔｉａｌｆｕｎｃｔｉｏｎ）。逡逑２．１．３条件随机场逡逑前文提到过，条件随机场（更准确地说是Ｌｉｎｅａｒ－ｃｈａｉｎ邋ＣＲＦ）是最大炮模型的逡逑９逡逑

序列,卷积

逦北京交通大学硕士专业学位论文逦逡逑ｈ（ｘ）邋＝邋（ｆ邋＊邋ｇ）（ｘ）邋＝邋／邋ｆ（ｘ）ｇ（ｘ邋－邋ｘ）ｄｘ逦（１６）逡逑如果将关于ｘ的函数看作是定义域上的指示函数，则卷积可以认为是一种加逡逑权的滑动平均。如果仅仅关注ｘ在某一位置上的意义，可以看作卷积是函数ｆ对函逡逑数ｇ的加权平均数。卷积还有很多数学特性，比如交换性，即卷积的定义中，ｆ和逡逑ｇ函数的交换位置对卷积是没有影响的。这里给出的是在连续函数上的核函数定义，逡逑在卷积神经网络中的卷积应用是基于离散型的卷积表达形式：逡逑ｈ（ｘ）邋＝邋（ｆ邋＊邋ｇ）（ｘ）邋＝邋Ｓｔ邋ｆ（Ｔ）ｇ（Ｘ邋－邋Ｔ）逦（１７）逡逑其中，ｆ为输入，ｇ为在ｆ上移动的“窗口”，即核函数（ｋｅｒｎｅ丨ｆｕｎｃｔｉｏｎ）也叫逡逑滤波器（ｆｉｌｔｅｒ），邋ｈ为最终的输出。在卷积神经网络中的应用是将某维度的输入参逡逑数，经过卷积操作映射为较低维度的输出参数，具体举例说明如下：输入序列为序逡逑号由１？５对应值为１￣５，核函数序列为序号由－４－４的０，０，０，１，１，０，０，０，０，则输出为逡逑１？４的３，５，７，９。其过程如图２－５所示，像一个窗口在输入序列上滑动取值。逡逑

【相似文献】