音乐推荐方法、装置、计算机设备和存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114168787A(43)申请公布日2022.03.11(21)申请号202111360530.3(22)申请日2021.11.17(71)申请人卓尔智联（武汉）研究院有限公司地址432200湖北省武汉市黄陂区盘龙城经济开发区汉口北大道88号汉口北国际交易中心D1区7层(72)发明人李涵(74)专利代理机构华进联合专利商标代理有限公司44224代理人赖远龙(51)Int.Cl.G06F16/635(2019.01)G06F16/683(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书11页附图4页(54)发明名称音乐推荐方法、装置、计算机设备和存储介质(57)摘要本申请涉及一种音乐推荐方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取目标用户的用户潜在特征向量，用户潜在特征向量用于表示用户对音乐的兴趣偏好程度；获取各候选音乐的音乐潜在特征向量，所述候选音乐的音乐潜在特征向量的确定方式包括：获取所述候选音乐的音频数据和属性数据，将候选音乐的音频数据和属性数据输入至预先训练的音乐特征预测模型，得到候选音乐的音乐潜在特征向量；基于所述用户潜在特征向量和所述音乐潜在特征向量，确定所述目标用户对各所述候选音乐的偏好值，并根据各所述候选音乐的偏好值，从各所述候选音乐中确定向所述目标用户进行推荐的目标音乐。采用本方法能够提高音乐的推荐精度。CN114168787ACN114168787A权利要求书1/2页1.一种音乐推荐方法，其特征在于，所述方法包括：获取目标用户的用户潜在特征向量，所述用户潜在特征向量用于表示用户对音乐的兴趣偏好程度；获取各候选音乐的音乐潜在特征向量，所述候选音乐的音乐潜在特征向量的确定方式包括：获取所述候选音乐的音频数据和属性数据，将所述候选音乐的音频数据和属性数据输入至预先训练的音乐特征预测模型，得到所述候选音乐的音乐潜在特征向量；基于所述用户潜在特征向量和所述音乐潜在特征向量，确定所述目标用户对各所述候选音乐的偏好值，并根据各所述候选音乐的偏好值，从各所述候选音乐中确定向所述目标用户进行推荐的目标音乐。2.根据权利要求1所述的方法，其特征在于，所述目标用户的用户潜在特征向量的确定方式，包括：获取音乐收听记录，所述音乐收听记录包括各用户以及各用户收听的音乐的信息；对所述音乐收听记录进行矩阵化处理，获得各所述用户与各所述音乐之间的对应关系的关联矩阵；对所述关联矩阵进行分解，获得各所述用户的用户潜在特征向量，各所述用户包括所述目标用户。3.根据权利要求1所述的方法，其特征在于，所述音乐特征预测模型的训练过程，包括：获取样本数据集，所述样本数据集包括样本音乐的样本音频数据和样本属性数据；采用待训练音乐特征预测模型对所述样本音频数据进行处理，获得所述样本音频数据的音频向量；对所述样本属性数据进行编码处理，获得所述样本属性数据的属性向量；并将所述音频向量和所述属性向量进行全连接处理，获得预测音乐潜在特征向量；若达到训练结束条件，将所述待训练音乐特征预测模型作为音乐特征预测模型，否则，根据所述预测音乐潜在特征向量和所述样本音乐的目标音乐潜在特征向量的比对结果，调整待训练音乐特征预测模型，返回采用待训练音乐特征预测模型对所述样本音频数据进行处理，直至达到训练结束条件。4.根据权利要求3所述的方法，其特征在于，所述待训练音乐特征预测模型包括：傅里叶变换器、滤波器、第一升维网络模型、编码器、第二升维网络模型以及全连接层；所述傅里叶变换器对所述样本音频数据进行傅里叶变换，所述滤波器对所述傅里叶变换后的样本音频数据进行滤波处理，获得初始音频向量，所述第一升维网络模型对所述初始音频向量进行升维处理，获得所述样本音频数据的音频向量；所述编码器对所述样本属性数据进行编码处理，获得初始属性向量，所述第二升维网络模型对所述初始属性向量进行升维处理，获得所述样本属性数据的属性向量；所述全连接层将所述音频向量和所述属性向量进行全连接处理，获得预测音乐潜在特征向量。5.根据权利要求4所述的方法，其特征在于，所述待训练音乐特征预测模型还包括：词嵌入处理模块；所述词嵌入处理模块对所述初始属性向量进行词嵌入处理，获得词嵌入处理后属性向量；所述第二升维网络模型对所述词嵌入处理后属性向量进行升维处理，获得所述样本属2CN114168787A权利要求书2/2页性数据的属性向量。6.根据权利要求3所述的方法，其特征在于，所述全连接层将所述音频向量和所述属性向量进行全连接处理，获得预测音乐潜在特征向量，包括：所述全连接层将所述音频向量和所述属性向量进行拼接，获得拼接后音乐向量；并对所述拼接后音乐向量进行降维处理，获得预测