随着互联网的普及和电子音乐技术的发展,网络音乐机制不断完善,网络音乐平台的发展步入了成熟阶段。其中,歌曲介绍、用户评论等文本数据可以有效提高网络音乐平台的开放性、交互性和共享性,能使平台用户更加方便快捷地获取到目标歌曲的相关信息,音乐也能随之在更大的范围内得到交流和分享。因此,通过使用自然语言生成的技术手段实现优质音乐介绍文本的自动生成,对音乐的内容和特点进行说明推荐,非常具有发展前景和现实意义。本文针对音乐介绍生成的任务特点,对目标文本的语言组成和特征进行分析,提出了一种基于端到端深度学习模型的音乐介绍生成方法。首先利用编解码模型结合预训练Bert模型生成歌曲的歌词摘要,通过歌曲类别、文本对比和关键词匹配的方式在搜集到的自然评论文本上进行筛选,再使用复述模型进行文本的改写生成,并结合VAE结构优化生成结果的多样性和创造性。两部分模型生成的结果组合,得到最终由歌曲总结和歌曲分析两部分组成的音乐介绍文本。除了对模型算法的研究改进,本文使用数据采集和人工筛选的手段,进行了新数据集的制作,最终得到了 72个音乐类别下歌曲信息和对应评论文本的自制数据集。该数据集的领域能很好地贴合本文的研究课题,并在一定程度上反映了当前网络音乐文本的真实情况,能更好地验证生成算法的有效性。经过在公开数据集和自制音乐文本数据集上的大量对比实验,本文提出算法的结果和现有模型相比,在生成文本的流畅性、准确性和多样性的表现上有所提高。自制音乐文本数据集上的实验结果证实了生成算法的可行性,能够有效进行目标歌曲的介绍文本生成。在此算法的基础上,本文设计实现基于Web开发的音乐介绍智能生成系统,通过网页前端、系统后台和模型之间的服务请求和数据通信,能够完成音乐介绍文本生成功能的在线操作流程。最后通过系统的部署并进行功能和性能测试验证音乐介绍智能生成系统的有效性。