[發明專利]音樂作品推薦的方法、裝置、存儲介質和終端設備

有效

• 申請號: 201811340909.6
• 申請日: 2018-11-12
• 公開（公告）號: CN109299317B
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 李健龍;蔣祥濤;張苗昌;高晨曦;葉世權
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F16/635
• 分類號: G06F16/635
• 代理公司: 北京市鑄成律師事務所 11313
• 代理人: 陳建煥;楊瑾瑾

本發明提出一種音樂作品推薦的方法、裝置、存儲介質和終端設備，其中，所述方法包括：獲取目標音樂相關的用戶行為數據；根據所述用戶行為數據，確定所述目標音樂與其他音樂的相似程度；根據所述用戶行為數據的數據量以及所屬的數據類型，確定所述目標音樂與其他音樂相似的置信度；根據所述目標音樂與其他音樂的相似程度和置信度，確定所述目標音樂的相似音樂；以及向所述目標音樂相關的用戶推薦所述相似音樂。采用本發明，可以提高相似音樂的推薦質量。

技術領域

本發明涉及計算機技術領域，尤其涉及一種音樂作品推薦的方法、裝置、存儲介質和終端設備。

背景技術

隨著移動互聯網的發展，移動用戶可以通過移動設備上音樂APP(Application，計算機應用程序)進行音樂欣賞或互動。移動用戶對音樂APP的技能使用，通常為：搜索與推薦。通過搜索可以快速、準確地找到用戶預期的音樂，僅取決于服務器提供的資源與檢索架構。但是，音樂推薦一般相對復雜、沒有具體的標準，是一個較開放的訴求。其中，推薦給移動用戶的音樂的推薦質量，可以影響用戶聽歌時長、留存在音樂APP上的交互時長等關鍵指標。

對于音樂的個性化推薦，通常采用聚類模型來進行音樂推薦。具體地，提取大量音樂的演唱者、時期、風格、作詞者、作曲者或音頻波形等特征信息。然后利用提取到的特征信息對聚類模型進行訓練。在分析過程中，利用訓練好的聚類模型對特征相似的音樂進行聚類，從而獲得特征相似的音樂。最后將特征相似的音樂推薦給用戶。

但是，以上方案所存在的主要問題是：采用機器學習的模型來對音樂進行聚類，過于依賴聚類模型。而且，機器識別的準確度取決于機器訓練的成熟度。對于成熟度低的聚類模型，其推薦效果是相對一般的。

發明內容

本發明實施例提供一種音樂作品推薦的方法、裝置、存儲介質和終端設備，以解決或緩解現有技術中的以上一個或多個技術問題。

第一方面，本發明實施例提供了一種音樂作品推薦的方法，包括：

獲取目標音樂相關的用戶行為數據；

根據所述用戶行為數據，確定所述目標音樂與其他音樂的相似程度；

根據所述用戶行為數據的數據量以及所屬的數據類型，確定所述目標音樂與其他音樂相似的置信度；

根據所述目標音樂與其他音樂的相似程度和置信度，確定所述目標音樂的相似音樂；以及

向所述目標音樂相關的用戶推薦所述相似音樂。

在一種實施方式中，所述用戶行為數據包括推薦所述目標音樂的歌單，以及根據所述目標音樂的用戶行為數據，確定所述目標音樂與其他音樂的相似程度，包括：

根據所述目標音樂與其他音樂出現在同一歌單的出現頻次、以及所述目標音樂與其他音樂出現在同一歌單的排列距離，確定所述目標音樂與其他音樂在歌單上的相似程度。

在一種實施方式中，所述用戶行為數據包括用戶檢索音樂行為，以及根據所述目標音樂的用戶行為數據，確定所述目標音樂與其他音樂的相似程度，包括：

從用戶檢索音樂行為中，選取各用戶在設定時間段內檢索所述目標音樂的用戶檢索音樂行為；

根據選取到的用戶檢索音樂行為，統計各用戶在所述時間段內檢索所述目標音樂與其他音樂的檢索時間間隔、以及所述目標音樂與其他音樂均在所述時間段內被用戶檢索的檢索用戶數量；以及

根據所述檢索時間間隔和所述檢索用戶數量，確定所述目標音樂與其他音樂在用戶檢索音樂行為上的相似程度。

在一種實施方式中，所述用戶行為數據包括用戶收藏音樂行為，以及根據所述目標音樂的用戶行為數據，確定所述目標音樂與其他音樂的相似程度，包括：