[發明專利]一種音頻推薦方法、裝置、電子設備及計算機存儲介質

有效

• 申請號: 202110047919.6
• 申請日: 2021-01-14
• 公開（公告）號: CN112380377B
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 繆暢宇
• 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;G06F16/683
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 朱佳

1.一種音頻推薦方法，其特征在于，該方法包括：

響應目標賬戶觸發的頁面展示請求，根據所述目標賬戶的歷史行為數據，獲取所述目標賬戶對應的參考音頻；

基于已訓練的第一特征提取模型，得到所述參考音頻的聲譜信息對應的第一特征向量；基于已訓練的第二特征提取模型，得到預設的候選音頻集合中各個候選音頻的聲譜信息對應的第二特征向量；以及基于已訓練的分類模型，根據所述第一特征向量以及各個第二特征向量，從所述候選音頻集合中篩選出至少一個待推薦音頻；

將篩選出的所述至少一個待推薦音頻推薦給所述目標賬戶；

其中，根據下列方式對所述第一特征提取模型、所述第二特征提取模型以及所述分類模型進行訓練：

獲取樣本音頻序列，并根據所述樣本音頻序列生成多個樣本集以及各個樣本集對應的樣本標簽；其中，每個樣本集中包括第一樣本音頻和第二樣本音頻；若所述樣本集中的所述第一樣本音頻和所述第二樣本音頻在所述樣本音頻序列中的位置間隔小于第一閾值，則所述樣本集對應的樣本標簽為正樣本標簽；若所述樣本集中的所述第一樣本音頻和所述第二樣本音頻在所述樣本音頻序列中的位置間隔不小于第二閾值，則所述樣本集對應的樣本標簽為負樣本標簽；

針對各個樣本集分別執行以下操作：基于所述第一特征提取模型，對一個樣本集中的第一樣本音頻的聲譜信息進行特征提取得到第一樣本特征向量；基于所述第二特征提取模型，對所述一個樣本集中的第二樣本音頻的聲譜信息進行特征提取得到第二樣本特征向量；基于所述分類模型，確定所述第一樣本特征向量與所述第二樣本特征向量之間的相似度；

根據各個樣本集中第一樣本音頻的第一樣本特征向量與第二樣本音頻的第二樣本特征向量，以及各個樣本集對應的樣本標簽確定損失值，根據確定出的所述損失值對所述第一特征提取模型、所述第二特征提取模型以及所述分類模型的參數進行調整，直到確定出的所述損失值在預設范圍內，得到訓練后的第一特征提取模型、訓練后的第二特征提取模型以及訓練后的分類模型。

2.如權利要求1所述的方法，其特征在于，所述基于已訓練的第一特征提取模型，得到所述參考音頻的聲譜信息對應的第一特征向量，具體包括：

基于所述已訓練的第一特征提取模型，對所述參考音頻的聲譜信息進行特征提取，得到用于表示所述參考音頻的聲音頻率分布信息的第一特征向量；

所述基于已訓練的第二特征提取模型，得到預設的候選音頻集合中各個候選音頻的聲譜信息對應的第二特征向量，具體包括：

基于所述已訓練的第二特征提取模型，分別對各個候選音頻的聲譜信息進行特征提取，分別得到各個候選音頻的用于表示候選音頻的聲音頻率分布信息的第二特征向量；

所述基于已訓練的分類模型，根據所述第一特征向量以及各個第二特征向量，從所述候選音頻集合中篩選出至少一個待推薦音頻，具體包括：

基于所述已訓練的分類模型，分別確定所述第一特征向量與各個第二特征向量之間的相似度，根據所述第一特征向量與各個第二特征向量之間的相似度，從所述候選音頻集合中篩選出至少一個待推薦音頻。

3.如權利要求2所述的方法，其特征在于，所述對所述參考音頻的聲譜信息進行特征提取，得到用于表示所述參考音頻的聲音頻率分布信息的第一特征向量，具體包括：

對所述參考音頻的聲譜信息進行解析，得到所述參考音頻的聲譜信息中各個時間片段對應的頻率集合；對所述各個時間片段對應的頻率集合進行信息融合處理，得到所述參考音頻的聲譜信息的第一特征向量；

所述分別對各個候選音頻的聲譜信息進行特征提取，得到各個候選音頻的用于表示候選音頻的聲音頻率分布信息的第二特征向量，具體包括：

針對各個候選音頻分別執行以下操作：對一個候選音頻的聲譜信息進行解析，得到所述一個候選音頻的聲譜信息中各個時間片段對應的頻率集合；對所述各個時間片段對應的頻率集合進行信息融合處理，得到所述一個候選音頻的聲譜信息的第二特征向量。