热门数字音频预测技术综述

张怡宁,何洪波,王闰强

A Survey on Popular Digital Audio Prediction Techniques

ZHANG Yining,HE Hongbo,WANG Runqiang

表4 热门音频预测算法性能分析

Table4 Performance analysis of popular audio prediction algorithms

方法 预测类型 特征选择 方法复杂度 预测效果 备注 支持向量机 二分类 音频特征、文本特征和元数据特征 低 好 适用于小型样本库。 逻辑回归 二分类 音频特征、文本特征和元数据特征 低 好 不能解决非线性问题,依赖特征工程。 贝叶斯网络 二分类 文本特征 低 中 不能对特征变量进行筛选。 随机森林 二分类和排名预测 元数据特征 中 好 是机器学习算法中计算成本较高的方法。 XG-Boost 二分类 文本特征 中 好 算法较复杂,计算成本较高。 卷积神经网络 二分类 音频特征和元数据特征 高 好 深层结构模型效果往往更好。 Siamese-CNN 排名预测 音频特征和元数据特征 高 好 需使用歌曲对进行训练。