MemoMusic 3.0：音乐推荐中的语境考量与音乐生成中的音乐理论融合
MemoMusic 3.0: Considering Context at Music Recommendation and Combining Music Theory at Music Generation
Luntian Mou, Yihan Sun, Yunhan Tian, Yiqi Sun, Yuhang Liu, Zexi Zhang, Ruichen He, Juehui Li, Jueying Li, Zijin Li, Feng Gao, Yemin Shi, Ramesh Jain
2023-07-01
订阅获取音乐与舞蹈被引 5
摘要
MemoMusic 3.0通过纳入音乐聆听语境来优化个性化音乐推荐效果，同时借助音乐理论知识提升音乐生成质量。研究发现，音乐聆听语境会对听众的情绪状态产生正向或负向影响；引入音乐理论知识能够生成更优质的音乐作品。我们提出了一种基于Transformer的音乐生成框架，并分别针对古典音乐、流行音乐以及雅尼风格音乐训练出三个专属模型。将具备预期效价与唤醒度值的音乐主旋律作为模型的输入序列，再根据音乐理论对生成结果进行调整。实验结果表明，MemoMusic 3.0在改善听众情绪状态方面表现更优，且用户满意度也更高。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于摘要生成- 主要观点
- 该研究提出MemoMusic 3.0系统，旨在通过双重路径优化音乐体验：一是在个性化推荐中引入音乐收听情境，二是在音乐生成中融合音乐理论知识。研究认为，收听情境会正向或负向地影响听众的情绪状态，而音乐理论知识的介入则能有效提升生成音乐的质量。
- 研究方法
- 研究构建了一个基于Transformer的音乐生成框架，并针对古典、流行及雅尼三种音乐风格分别训练了独立模型。在生成过程中，以具备预期效价与唤醒值的主导旋律作为样本序列输入模型，并依据音乐理论对模型输出进行修正。最后通过实验验证了该系统在改善听众情绪及提升用户满意度方面的有效性。
- 学术贡献
- 本研究将音乐收听情境与音乐理论知识分别引入推荐与生成环节，为个性化音乐系统的优化提供了新思路。实验证明该系统在改善听众情绪状态和提升用户满意度方面取得了更优表现，具有一定的应用价值。
- 存在局限
- 材料中未明确提及
- 进一步研究方向
- 材料中未明确提及
本综述由 AI（GLM-5-Turbo）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：Music and Audio Processing