[發明專利]一種音樂對象的評估方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202211421854.8
• 申請日: 2022-11-14
• 公開（公告）號: CN115731947A
• 公開（公告）日: 2023-03-03
• 發明（設計）人: 杜嘉晨;周藍珺;潘樹燊
• 申請（專利權）人: 騰訊音樂娛樂科技（深圳）有限公司
• 主分類號: G10L25/63
• 分類號: G10L25/63;G10L25/30;G06F18/214;G06N3/04;G06N3/08
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 杜維

1.一種音樂對象的評估方法，其特征在于，所述方法包括：

根據與目標音樂對象相關的N條評論對應的多個屬性，將所述N條評論劃分為多個屬性組；

根據所述多個屬性組中每個屬性組的多條評論分別的時間指標以及所述多條評論分別的點贊數，確定所述多個屬性組中每個屬性的情感強度；

根據所述N條評論的情感極性值以及對應的屬性的情感強度，確定針對所述目標音樂對象的評估信息；

其中，所述情感極性值是利用方面級情感分析模型對所述N條評論進行處理得到的評論三元組中的一類元素，所述評論三元組中的元素還包括所述目標音樂對象和所述目標音樂對象的屬性。

2.根據權利要求1所述的方法，其特征在于，所述根據所述多個屬性組中每個屬性組的多條評論分別的時間指標以及所述多條評論分別的點贊數，確定所述多個屬性組中每個屬性的情感強度，包括：

根據所述多個屬性組中每個屬性組的多條評論分別的時間指標以及所述多條評論分別的點贊數，確定所述多個屬性組中每個屬性下的所述多條評論分別的受歡迎程度權重；所述時間指標為評論的發表時間與點贊數預測模型運行時間的差值；

根據所述多個屬性組中每個屬性下的所述多條評論分別的點贊數和受歡迎程度權重，確定所述多個屬性組中每個屬性的情感強度。

3.根據權利要求2所述的方法，其特征在于，所述根據所述多個屬性組中每個屬性下的所述多條評論分別的點贊數和受歡迎程度權重，確定所述多個屬性組中每個屬性的情感強度，包括：

將所述多個屬性組中每個屬性下的所述多條評論分別的點贊數和受歡迎程度權重進行求積處理，得到所述每個屬性下的所述多條評論分別對應的乘積；

將所述每個屬性下的所述多條評論分別對應的乘積進行求和處理，得到所述多個屬性組中每個屬性的情感強度。

4.根據權利要求2或3所述的方法，其特征在于，所述方法還包括：

若所述每個屬性下的多條評論中任意一條評論的時間指標大于預設值，則獲取所述任意一條評論的點贊數；或者，

若所述每個屬性下的多條評論中任意一條評論的時間指標小于或等于所述預設值，則根據點贊數預測模型確定所述任意一條評論的點贊數。

5.根據權利要求1所述的方法，其特征在于，所述方法還包括：

利用方面級情感分析模型，獲取針對音樂對象的C條評論分別的評論三元組；所述C條評論分別的評論三元組中的元素包括音樂對象、所述音樂對象的屬性以及評論對應的情感極性值；

基于所述音樂對象對所述C條評論進行分組，并確定所述目標音樂對象對應的評論組，所述目標音樂對象對應的評論組中包括N條評論。

6.根據權利要求1所述的方法，其特征在于，所述根據所述N條評論的情感極性值以及對應的屬性的情感強度，確定針對所述目標音樂對象的評估信息，包括：

根據所述N條評論中每條評論的受歡迎程度權重從高到低的排序，從所述N條評論中選取前z條評論；

將所述前z條評論中每條評論的情感極性值和該條評論對應的屬性的情感強度進行求積處理，得到所述前z條評論分別對應的第一值；

將所述前z條評論分別對應的第一值進行求和處理，得到所述前z條評論對應的第二值；

將所述前z條評論對應的第二值進行取平均處理，得到針對所述目標音樂對象的評估信息。

7.根據權利要求4所述的方法，其特征在于，所述點贊數預測模型包括文本編碼器和全連接神經網絡，

所述根據點贊數預測模型確定所述任意一條評論的點贊數，包括：

將所述任意一條評論輸入到所述文本編碼器中，得到所述任意一條評論的特征信息；

將所述任意一條評論的特征信息輸入到所述全連接神經網絡中，獲得所述任意一條評論的預測點贊數，并將所述任意一條評論的預測點贊數作為所述任意一條評論的點贊數。