预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共50页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN108197327A(43)申请公布日2018.06.22(21)申请号201810121493.2(22)申请日2018.02.07(71)申请人腾讯音乐娱乐(深圳)有限公司地址518000广东省深圳市前海深港合作区前湾一路1号A栋201室(72)发明人黄安埠(74)专利代理机构北京三高永信知识产权代理有限责任公司11138代理人郭晶(51)Int.Cl.G06F17/30(2006.01)G06K9/62(2006.01)权利要求书7页说明书33页附图9页(54)发明名称歌曲推荐方法、装置及存储介质(57)摘要本发明公开了一种歌曲推荐方法、装置及存储介质,属于信息推荐领域。该方法包括:获取智能终端上的触摸操作对应的听歌行为;根据听歌行为,获取歌曲序列信息;将歌曲序列信息作为指定RNN模型的输入,通过指定RNN模型确定多个候选歌曲标识中推荐概率最大的候选歌曲标识,该指定RNN模型是基于历史听歌序列对待训练RNN模型进行训练得到;将推荐概率最大的候选歌曲标识对应的歌曲确定为推荐歌曲,对推荐歌曲进行推荐。由于指定RNN模型能够基于历史听歌序列挖掘出用户听歌过程中的兴趣变化规律,因此基于用户的最近听歌行为和该指定RNN模型推荐的歌曲能够更加符合用户当前的兴趣变化和听歌需求,提高了歌曲推荐的准确度。CN108197327ACN108197327A权利要求书1/7页1.一种歌曲推荐方法,所述方法应用于智能终端,其特征在于,所述方法包括:检测所述智能终端上的触摸操作;获取所述触摸操作对应的听歌行为;根据所述听歌行为,获取歌曲序列信息,所述歌曲序列信息是指当前时刻和当前时刻之前且在阈值时间范围内的听歌行为所对应的歌曲信息;将所述歌曲序列信息作为指定RNN模型的输入,通过所述指定RNN模型确定多个候选歌曲标识中推荐概率最大的候选歌曲标识,所述推荐概率用于指示候选歌曲标识对应的歌曲为推荐歌曲的概率,所述指定RNN模型是基于历史听歌序列对待训练RNN模型进行训练得到,所述历史听歌序列是由历史上连续播放的多个歌曲的歌曲信息按照歌曲播放的先后顺序组合得到;将所述推荐概率最大的候选歌曲标识对应的歌曲确定为推荐歌曲,对所述推荐歌曲进行推荐。2.如权利要求1所述的方法,其特征在于,所述歌曲信息包括歌曲属性、播放时长和听歌操作信息,听歌操作包括收藏操作、下载操作、切歌操作或删除操作。3.如权利要求1所述的方法,其特征在于,所述指定RNN模型包括第一输入层、第一隐藏层和第一输出层,所述第一输出层设置有所述多个候选歌曲标识;所述通过所述指定RNN模型确定多个候选歌曲标识中推荐概率最大的候选歌曲标识,包括:当所述第一输出层为二叉树输出层时,基于所述歌曲序列信息,通过所述第一输入层和所述第一隐藏层确定得到隐藏层输出数据;基于所述隐藏层输出数据,通过所述二叉树输出层确定得到指定推荐概率,所述指定推荐概率为所述多个候选歌曲标识的推荐概率中的最大推荐概率;将所述指定推荐概率对应的候选歌曲标识确定为所述推荐概率最大的候选歌曲标识;当所述第一输出层为非二叉树输出层时,基于所述歌曲序列信息,通过所述第一输入层和所述第一隐藏层确定得到隐藏层输出数据;基于所述隐藏层输出数据,通过所述非二叉树输出层确定得到所述多个候选歌曲标识的推荐概率;基于所述多个候选歌曲标识的推荐概率,从所述多个候选歌曲标识中确定所述推荐概率最大的候选歌曲标识。4.如权利要求1所述的方法,其特征在于,所述将所述推荐概率最大的候选歌曲标识对应的歌曲确定为推荐歌曲,包括:当所述推荐概率最大的候选歌曲标识为候选歌曲标签时,将所述候选歌曲标签指示的歌曲确定为所述推荐歌曲;当所述推荐概率最大的候选歌曲标识为候选歌曲流派标签时,确定所述候选歌曲流派标签指示的候选歌曲流派所包括的歌曲,基于所述候选歌曲流派所包括的歌曲确定所述推荐歌曲。5.如权利要求1所述的方法,其特征在于,所述指定RNN模型为长短期记忆LSTM网络模型或者门控递归单元GRU网络模型。6.如权利要求1-5任一所述的方法,其特征在于,所述通过所述指定RNN模型确定多个候选歌曲标识中推荐概率最大的候选歌曲标识之前,还包括:获取所述历史听歌序列,所述历史听歌序列中的每个歌曲设置有样本标记,所述样本2CN108197327A权利要求书2/7页标记由对应歌曲的歌曲信息确定得到;其中,所述样本标记为正样本标记或负样本标记,所述正样本标记用于指示对应歌曲为感兴趣歌曲,所述负样本标记用于指示对应歌曲为不感兴趣歌曲;基于所述历史听歌序列,按照序列顺序对待训练RNN模型进行训练,得到所述指定RNN模型。7.如权利要求6所述的方法,其特征在于,所述获取所述历史听歌序列,包括:获取历史上连续播放的多个歌曲的