我正在研究音频流项目推荐系统的基于内容的过滤部分。
我首先使用带有音乐流派和 one-hot 编码的 k-mean 算法将音乐分类为不同的组。但是，为了获得更精确的结果，我想更改它并使用音频功能来代替模型。
所以我的问题是：
- 我的方法是否正确。
- 我可以从音频文件中提取的最相关的音频特征是什么。
谢谢你的回答。
编辑：
现在，我正在提取这些特征：
我想知道这些音频特征在何种程度上与“描述”音频提取相关。
每个倒谱系数都可以被认为是定义音乐作品的最佳特征之一。
最著名的是 Mel Scale，我可以看到您已经在提取 MFCC，您可以开始了。尽管您应该提到您正在提取哪个 MFCC，但根据经验（一点点），前 15 个通常是最有用的，因为它们具有正值。您还可以在本质上更强大的 GFCC 上工作。
然后它们可用于获取频谱图等。
我建议不要使用 kNN，更喜欢 Random Forrest，而且音频信号需要大量预处理。DCT 和 STFT 是必须的。
您选择的功能是一个很好的起点，但与可能与音乐推荐系统最相关的功能相比，仍然（除了速度）相当“低级”。
Essentia 项目为音乐提供特征提取器，涵盖低级、中级和（自 2020 年 1 月以来）高级音乐特征描述符。它们的高级描述符包括：
中级和低级描述符涵盖了您提到的所有内容以及更多内容。这被打包到一个输出 JSON的命令行工具中。