近日，我校音乐学院青年教师李佳佳在国际权威期刊《IEEE Access》（SCI索引，中科院二区Top，影响因子: 4.34）上发表题为“A Fuzzy Training Framework for Controllable Sequence-to-Sequence Generation”的研究论文，实现了我校在该国际顶级期刊上新的突破！

录用截图

该研究在人工智能+音乐的背景下，提出了一种基于采样惩罚的可控音乐歌词生成训练框架。这种框架非常适合中文歌词生成任务，在给定关键词的前提下，可以不训练多个模型的情况下同时支持端到端歌词生成以及可控歌词生成，从而达到绿色人工智能的目标。

本研究提出了一种基于模糊训练框架的音乐歌词可控生成的方法及系统，在训练框架中采用两种模式进行交叉生成训练。对目标序列进行采样以模拟给定的受限词，同时在损失上对这些采样词施加额外的惩罚。模糊训练框架使得模型同时支持非限制和受限的音乐歌词生成，大大减少了额外的训练时间消耗。并且由于模糊训练框架将受限词的约束体现在模型结构以及训练损失上，而无需扩大搜索空间，因此推理速度有很大的提升，极大地提高了音乐歌词可控生成的实用性。

IEEE全称Institute of Electrical and Electronics Engineers，是美国的一个电子技术与信息科学工程师协会，也是当前世界上最大的非营利性专业技术学会，会员人数超过40万人，遍布全球160多个国家。在电气、电子、计算机工程和科学有关的开发和研究，制定了900+的行业标准，现在已经是国际影响力巨大的学术组织。

李佳佳，女，中国音协“西方音乐史学会”会员。曾师从武汉音乐学院音乐学系田可文教授，攻读西方音乐史，获文学硕士学位。现为汉口学院音乐学院青年教师。研究方向包括中国传统音乐、中西音乐的交流、以及人工智能音乐创作。