[發(fā)明專利]歌曲推薦方法和裝置有效
| 申請?zhí)枺?/td> | 202010084450.9 | 申請日: | 2020-02-10 |
| 公開(公告)號: | CN111309959B | 公開(公告)日: | 2023-08-18 |
| 發(fā)明(設(shè)計)人: | 陳卓華;劉紅巖 | 申請(專利權(quán))人: | 清華大學 |
| 主分類號: | G06F16/635 | 分類號: | G06F16/635;G06F16/9535;G06F18/22 |
| 代理公司: | 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205 | 代理人: | 羅英;劉芳 |
| 地址: | 100084 北*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 歌曲 推薦 方法 裝置 | ||
1.一種歌曲推薦方法,其特征在于,包括:
獲取用戶歌唱的N首歌曲的樂器數(shù)字接口序列,N為大于等于1的整數(shù),并根據(jù)所述用戶歌唱的N首歌曲的樂器數(shù)字接口序列和所述N首歌曲中每首歌曲的標準樂器數(shù)字接口序列,獲得所述用戶的用戶歌唱能力模型;
獲取所述N首歌曲中每首歌曲的歌曲演唱能力模型,其中,所述每首歌曲的歌曲演唱能力模型是根據(jù)所述歌曲的標準樂器數(shù)字接口序列得到的;
根據(jù)所述N首歌曲中每首歌曲的歌曲演唱能力模型以及所述用戶的用戶歌唱能力模型,獲取用戶對所述N首歌曲中每首歌曲的聲學匹配度;
根據(jù)所述用戶對所述N首歌曲的聲學匹配度、用戶的偏好向量和所述N首歌曲中每首歌曲的特征向量,獲得所述用戶對歌曲的偏好打分模型;
根據(jù)所述用戶對歌曲的偏好打分模型,獲取所述用戶的未歌唱歌曲的推薦結(jié)果;
所述獲取所述N首歌曲中每首歌曲的歌曲演唱能力模型,包括:
根據(jù)所述歌曲的標準樂器數(shù)字接口序列,確定所述歌曲的演唱情景為K個演唱情景,K為大于等于1的整數(shù);
根據(jù)所述歌曲的標準樂器數(shù)字接口序列,獲取K個演唱情景中每個所述演唱情景出現(xiàn)的次數(shù);
將所述K個演唱情景中每個演唱情景的次數(shù)構(gòu)成的矩陣確定為所述歌曲的歌曲演唱能力模型;
其中,所述演唱情景包括所述樂器數(shù)字接口序列中相鄰的兩個數(shù)字接口序列。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,聲學匹配度與歌曲演唱能力模型、用戶歌唱能力模型以及聲學匹配參數(shù)有關(guān);所述根據(jù)所述用戶對所述N首歌曲的聲學匹配度與、用戶的偏好向量和所述N首歌曲中每首歌曲的特征向量,獲得所述用戶對歌曲的偏好打分模型,包括:
獲取所述用戶的偏好向量和所述N首歌曲中每首歌曲的特征向量;
根據(jù)所述用戶對所述N首歌曲中每首歌曲的聲學匹配度、所述N首歌曲中每首歌曲的特征向量以及所述用戶的偏好向量,獲取目標用戶偏好向量、目標歌曲特征向量以及目標聲學匹配參數(shù);
根據(jù)所述目標用戶偏好向量、目標歌曲特征向量以及目標聲學匹配參數(shù),獲得所述用戶對歌曲的偏好打分模型,其中,所述偏好打分模型的輸入為歌曲演唱能力模型和用戶歌唱能力模型,輸出為偏好打分。
3.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,根據(jù)所述用戶對歌曲的偏好打分模型,獲取所述用戶的未歌唱歌曲的推薦結(jié)果,包括:
根據(jù)所述用戶對歌曲的偏好打分模型,獲取所述用戶多首未歌唱的歌曲的偏好打分;
將偏好打分最高的前M首歌曲確定為所述用戶的推薦歌曲,M為大于等于1的整數(shù)。
4.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,獲取所述N首歌曲中每首歌曲的標準樂器數(shù)字接口序列,包括:
獲取多個不同用戶歌唱的同一歌曲的樂器數(shù)字接口序列;
根據(jù)所述多個不同用戶歌唱的同一歌曲的樂器數(shù)字接口序列,獲取所述同一歌曲的標準樂器數(shù)字接口序列。
5.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述根據(jù)所述N首歌曲的樂器數(shù)字接口序列和所述N首歌曲中每首歌曲的標準樂器數(shù)字接口序列,獲得所述用戶的用戶歌唱能力模型,包括:
根據(jù)所述N首歌曲的樂器數(shù)字接口序列和所述N首歌曲中每首歌曲的標準樂器數(shù)字接口序列,獲得P個不同的演唱情景中每個演唱情景的平均歌唱誤差,所述P個不同的演唱情景是由所述N首歌曲的標準樂器數(shù)字接口序列確定的,P為大于等于1的整數(shù);
將多個不同的演唱情景中每個演唱情景的平均歌唱誤差構(gòu)成的矩陣確定為所述用戶的用戶歌唱能力模型。
6.根據(jù)權(quán)利要求5所述的方法,其特征在于,根據(jù)所述N首歌曲的樂器數(shù)字接口序列和所述N首歌曲中每首歌曲的標準樂器數(shù)字接口序列,獲得多個不同的演唱情景中每個演唱情景的平均歌唱誤差,包括:
根據(jù)用戶歌唱的所述N首歌曲中每首歌曲的樂器數(shù)字接口序列以及所述P個不同的演唱情景,獲取所述P個不同的演唱情景中每個演唱情景出現(xiàn)的次數(shù);
根據(jù)用戶歌唱的所述N首歌曲的樂器數(shù)字接口序列以及所述N首歌曲的標準樂器數(shù)字接口序列,確定所述每個演唱情景的總歌唱誤差;
根據(jù)所述每個演唱情景出現(xiàn)的次數(shù)以及所述每個演唱情景的總誤差,獲取每個演唱情景的平均歌唱誤差。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于清華大學,未經(jīng)清華大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010084450.9/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。





