成都preKDD总结报告--蒋长志

jiangcz

       通过参与此次KDDchina大会，我感受到数据挖掘的魅力并提升了对学术领域探索的兴趣；出于对音乐的喜爱，其中一篇XiaoIce Band: A Melody and Arrangement Generation Framework for Pop Music的论文给我留下很深印象；该论文是关于流行音乐生成的研究，考虑了旋律生成的和弦和节奏影响以及音乐安排的和谐，并提出了一个名为Xiaolce Band的端到端旋律和编排生成框架；论文中考虑在给定的和弦进行的条件下，设计了一个基于和弦的节奏和旋律交叉生成模型来产生带有和弦进行的旋律，模型基于卷积神经网络RNN表现得更好，在此基础上，提出了一种基于多任务学习的多乐器协同编组模型，就是在传统的单道生成加入了轨迹之间的相关性，使得生成的序列是密切相关的，采用9855个实例作为训练数据，2815个实例用于调参，1407个实例作为测试数据来验证性能，证明该模型是有效的。

xzeng

加入一些figure可能会更生动，更容易理解。