[發明專利]音樂推薦方法、裝置、終端及存儲介質

在審

• 申請號: 201910034882.6
• 申請日: 2019-01-14
• 公開（公告）號: CN111435369A
• 公開（公告）日: 2020-07-21
• 發明（設計）人: 李巖;陳波
• 申請（專利權）人: 騰訊科技（深圳）有限公司
• 主分類號: G06F16/635
• 分類號: G06F16/635
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

1.一種音樂推薦方法，其特征在于，包括：

若檢測到音樂推薦事件，則確定所述音樂推薦事件的應用場景；

搜索得到與所述應用場景相匹配的初始音樂集合，所述初始音樂集合中包括多個初始音樂以及各初始音樂的情緒值；

根據所述各初始音樂的情緒值從所述初始音樂集合中篩選出待推薦音樂，并響應所述音樂推薦事件輸出所述待推薦音樂；

其中，所述初始音樂集合中的所述各初始音樂的情緒值是通過訓練后的情緒分類模型對所述各初始音樂的評論信息集進行分類分析后確定的。

2.如權利要求1所述的方法，其特征在于，所述方法還包括：

構建初始情緒分類模型，并獲取樣本集；

采用所述樣本集對所述初始情緒分類模型進行訓練，得到訓練后的情緒分類模型；

所述樣本集中包括多個樣本數據，每一個樣本數據包括文本信息和監督信息，其中，所述樣本數據為正樣本數據或負樣本數據，所述正樣本數據中包括的文本信息為第一類文本信息，所述負樣本數據中包括的文本信息為第二類文本信息；

所述第一類文本信息包括：包括積極情緒表情符號的評論信息中的文本信息；所述第二類文本信息包括：包括消極情緒表情符號的評論信息中的文本信息；所述訓練后的情緒分類模型用于對音樂的評論信息進行分類分析以確定所述音樂的情緒值。

3.如權利要求2所述的方法，其特征在于，所述采用所述樣本集對所述初始情緒分類模型進行訓練，得到訓練后的情緒分類模型，包括：

采用訓練公式對分類分析結果與監督信息進行計算，得到訓練值；所述分類分析結果是通過所述初始情緒分類模型對所述樣本集中樣本數據的文本信息進行分類分析得到的；

根據得到的訓練值調整所述初始情緒分類模型的模型參數，以便于得到訓練后的情緒分類模型。

4.如權利要求3所述的方法，其特征在于，所述初始情緒分類模型對所述樣本集中的樣本數據的文本信息進行分類分析，包括：

所述初始分類模型根據預設分類函數、第一矩陣參數以及第二矩陣參數對所述樣本集中樣本數據的文本信息的隱層向量進行分類分析；

調整所述初始情緒分類模型的模型參數包括：調整所述第一矩陣參數和/或所述第二矩陣參數。

5.如權利要求4所述的方法，其特征在于，所述文本信息包括至少一個單詞；所述文本信息的隱層向量是根據所述文本信息中的各個單詞的詞向量計算得到的。

6.如權利要求1-5任一項所述的方法，其特征在于，所述方法還包括：

獲取目標音樂的評論信息集，所述目標音樂是所述初始音樂集合中的任一初始音樂；

調用所述訓練后的情緒分類模型對所述目標音樂的評論信息集中的各評論信息進行分類分析，得到所述目標音樂的情緒值；

將所述目標音樂的情緒值添加至所述初始音樂集合。

7.如權利要求6所述的方法，其特征在于，所述獲取目標音樂的評論信息集，包括：

確定與目標音樂相關聯的社交平臺；

從所述社交平臺中獲取所述目標音樂的評論信息集，所述目標音樂的評論信息集中包括所述目標音樂被分享至所述社交平臺時所包括的評論信息。

8.如權利要求1-5任一項所述的方法，其特征在于，所述音樂推薦事件的應用場景包括：視頻配樂場景；所述搜索得到與所述應用場景相匹配的初始音樂集合，包括：

獲取所述視頻配樂場景下的目標視頻；

識別所述目標視頻的拍攝場景和/或視頻內容，并根據所述拍攝場景和/或所述視頻內容確定相匹配的初始音樂集合。