《表2 用户对音乐推荐结果满意度统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于深度学习的视频背景音乐自动推荐算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在对本文的音乐推荐模型的性能进行分析时，本研究将Feng J等所提的方法作为比较基准[5]。训练数据为一千个具有背景音乐的电影片段，学习音乐推荐模型；通过搜集获取的50个用户拍摄视频作为测试数据。参与打分的25名志愿者年龄均处于22~35岁，分别从视频场景和背景音乐之间的特征进行综合考虑，从而进行打分。通过基准方法和本文方法进行打分的过程最终都是以分数的方式呈现出来，分为很差、较差、相似、较好、很好共五个等级。随机排序两种不同方法的推荐结果，尽可能降低人为因素的影响。所以，志愿者对单个视频的打分结果具有一致性，也就是说单个视频的打分结果实际上就是最多结果。本研究的方法打分不小于基准方法打分视频，其比例为94.5%。统计分析所有志愿者的打分结果，最终得到的统计结果如表2和图2所示。