买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜杭州师范大学申请的专利一种基于时间序列卷积神经网络的歌曲评分方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115713947B 。

龙图腾网通过国家知识产权局官网在2025-05-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211399253.1，技术领域涉及：G10L25/51；该发明授权一种基于时间序列卷积神经网络的歌曲评分方法是由黄剑平;孟旭设计研发完成，并于2022-11-09向国家知识产权局提交的专利申请。

本一种基于时间序列卷积神经网络的歌曲评分方法在说明书摘要公布了：本发明涉及一种基于时间序列卷积神经网络的歌曲评分方法。本发明歌唱质量评分模型以时间序列卷积神经网络TCN为主体，对音频声学特征和物理学特征进行序列分析，挖掘物理与声学特征序列和歌唱质量的潜在关联；设置了多个TCN残差模块，直接连接输入层与输出层，实现特征信息的跨层传递；以声学和物理学特征作为输入，以计算得到对应版本的歌唱质量评分为期望输出，训练模型。本发明通过收集不同翻唱版本的大众评价指标来训练模型，摒弃了以原唱为基准的评分思想，输出的评分更贴近大众主观感受；基于时间序列卷积神经网络，并分离人声音轨和伴奏音轨单独提取声学特征和物理学特征，提高了歌唱评分的伴奏无关性，评价更精准。

本发明授权一种基于时间序列卷积神经网络的歌曲评分方法在权利要求书中公布了：1.一种基于时间序列卷积神经网络的歌曲评分方法，其特征在于：具体包括如下步骤：步骤一、从任意在线音乐平台收集并获取公开的歌曲翻唱数据并构建翻唱歌曲数据集；具体为：收集每首歌曲每个翻唱版本的所有评价指标，歌唱评价指标包括该歌曲在该在线音乐平台上的评论条目数和以“歌曲名歌手名”作为关键词在搜索引擎的搜索结果条目数；上述评价指标构成翻唱歌曲数据集；步骤二、综合各个评价指标，计算每首歌曲若干个不同翻唱版本的评价得分并将其作为歌唱质量评分模型的预测目标；由每首歌曲及其评价得分构建训练集，由每首歌曲本身构建测试集；其中，mx,y表示第x首歌曲的第y个翻唱版本；表示第x首歌曲的第y个翻唱版本的歌唱评价得分；表示第x首歌曲的第y个翻唱版本在某在线音乐平台的评论条目数；表示第x首歌曲的第y个翻唱版本以“歌曲名歌手名”为关键词在第j个搜索引擎上的得到的搜索结果条目数；bw，bj表示对应位置的修正权重；nx表示第x首歌所拥有的不同翻唱版本的总数目；步骤三、分离各首歌曲的人声音轨和伴奏音轨，分别提取其音频的声学和物理学特征，作为模型的输入；所述的特征提取包括提取伴奏音轨的峰值频率、频域期望、时域方差、短时能量特征和梅尔频率倒谱系数，同时还包括提取人声音轨的音色特征、过零率、基音频率和声音强度；将上述各项声学特征和物理学特征整合为一个128维的输入向量，作为歌唱质量评分模型的输入；步骤四、基于时间序列卷积神经网络建立歌唱质量评分模型：歌唱质量评分模型以时间序列卷积神经网络TCN为主体，对音频声学特征和物理学特征进行序列分析，挖掘物理与声学特征序列和歌唱质量的潜在关联；设置了多个TCN残差模块，直接连接输入层与输出层，实现特征信息的跨层传递；每个TCN卷积模块的输入端与输出端之间还通过1×1卷积相互连接；TCN残差模块包括输入全连接层、多个膨胀因果卷积层、多个WeightNorm权重归一化层、多个Relu激活层、多个Dropout正则化层和输出全连接层构成，所述WeightNorm权重归一化层、Relu激活层和Dropout正则化层分别依次设置于每个膨胀因果卷积层后，首个膨胀因果卷积层与输入全连接层连接，最后一层Dropout正则化层与输出全连接层连接；所述输入全连接层用于接收输入声学特征和物理学特征序列，整合为固定512维的输入特征向量；所述时间序列卷积神经网络的膨胀因果卷积层提取输入特征序列的整体特征，挖掘其与歌唱质量的潜在映射关系；所述权重归一化层是对网络权值W做的归一化；所述Relu激活层是神经网络模型中常用的非线性修正单元；所述Dropout正则化层是指模型网络中的每一个节点都有一定的概率会被删除，此举可以防止模型网络的过拟合；全连接层用于整合各决定因素，给出预测结果；歌唱质量评分模型以声学和物理学特征作为输入，以计算得到对应版本的歌唱质量评分为期望输出，采用梯度下降法训练网络模型直至收敛，然后利用交叉验证的方法对模型进行验证；步骤五、以任意翻唱的的声学和物理学特征作为歌唱质量评分模型的输入，输出该次翻唱的评价得分。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人杭州师范大学，其通讯地址为：311121 浙江省杭州市余杭区余杭塘路2318号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。