CN107918653B - 一种基于喜好反馈的智能播放方法和装置 - Google Patents

一种基于喜好反馈的智能播放方法和装置 Download PDF

Info

Publication number
CN107918653B
CN107918653B CN201711135727.0A CN201711135727A CN107918653B CN 107918653 B CN107918653 B CN 107918653B CN 201711135727 A CN201711135727 A CN 201711135727A CN 107918653 B CN107918653 B CN 107918653B
Authority
CN
China
Prior art keywords
multimedia
list
feedback
precondition
negative feedback
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711135727.0A
Other languages
English (en)
Other versions
CN107918653A (zh
Inventor
陆广
刘水
罗夏君
叶世权
鞠强
谢剑
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Shanghai Xiaodu Technology Co Ltd
Original Assignee
Baidu Online Network Technology Beijing Co Ltd
Shanghai Xiaodu Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Baidu Online Network Technology Beijing Co Ltd, Shanghai Xiaodu Technology Co Ltd filed Critical Baidu Online Network Technology Beijing Co Ltd
Priority to CN201711135727.0A priority Critical patent/CN107918653B/zh
Priority to US15/856,704 priority patent/US11017010B2/en
Publication of CN107918653A publication Critical patent/CN107918653A/zh
Application granted granted Critical
Publication of CN107918653B publication Critical patent/CN107918653B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/432—Query formulation
    • G06F16/433—Query formulation using audio data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G06F3/167—Audio in a user interface, e.g. using voice commands for navigating, audio feedback
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/435—Filtering based on additional data, e.g. user or group profiles
    • G06F16/436—Filtering based on additional data, e.g. user or group profiles using biological or physiological data of a human being, e.g. blood pressure, facial expression, gestures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/43—Querying
    • G06F16/438—Presentation of query results
    • G06F16/4387—Presentation of query results by the use of playlists
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/63—Querying
    • G06F16/635—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/63—Querying
    • G06F16/635—Filtering based on additional data, e.g. user or group profiles
    • G06F16/637—Administration of user profiles, e.g. generation, initialization, adaptation or distribution

Abstract

本申请实施例公开了基于喜好反馈的智能播放方法和装置。方法的一具体实施方式包括：接收用户对于播放的当前多媒体的语音反馈；基于语音反馈，分析用户意图；响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度；基于语音反馈和相似度，更新当前播放的多媒体列表。该实施方式提高了播放的多媒体的质量和针对性。

Description

一种基于喜好反馈的智能播放方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及计算机网络技术领域，尤其涉及一种基于喜好反馈的智能播放方法和装置。
背景技术
随着网络时代的来临，越来越多的用户倾向于接受智能化的服务。以视听服务为例，人们希望智能终端能够理解用户的语音输入，并基于对用户语音的理解，向用户提供一些个性化的视听服务。
目前，在智能终端的视听语音交互场景中，首先对于用户的语音输入，终端可以满足实时的检索播放，之后对于用户的任何语音反馈，智能终端会记录这些语音反馈，以便作为今后对于用户喜好的参考。
发明内容
本申请实施例的目的在于提出一种基于喜好反馈的智能播放方法和装置。
第一方面，本申请实施例提供了一种基于喜好反馈的智能播放方法，包括：接收用户对于播放的当前多媒体的语音反馈；基于语音反馈，分析用户意图；响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度；基于语音反馈和相似度，更新当前播放的多媒体列表。
在一些实施例中，基于语音反馈和相似度，更新当前播放的多媒体列表包括：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在一些实施例中，方法还包括：获取语音反馈的前置条件；基于语音反馈，分析用户意图包括：基于语音反馈和前置条件，分析用户意图；基于语音反馈和相似度，更新当前播放的多媒体列表包括：基于语音反馈、前置条件和相似度，更新当前播放的多媒体列表。
在一些实施例中，基于语音反馈、前置条件和相似度，更新当前播放的多媒体列表包括：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈和前置条件，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈和前置条件，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在一些实施例中，基于正反馈和前置条件，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表包括：响应于正反馈为对多媒体或多媒体的主创的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的后续多媒体；响应于正反馈为对多媒体的标签的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的标签与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体；响应于正反馈为对多媒体的标签的正反馈且前置条件为主创点播，优先采用正向排序列表中预定数量的当前主创的与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体。
在一些实施例中，基于负反馈和前置条件，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表包括：响应于负反馈为对多媒体的负反馈且前置条件为随机播放或多媒体点播，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于负反馈为对多媒体的标签的负反馈且前置条件为随机播放或标签点播，采用负向排序列表中预定数量的标签与负反馈标签不同的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
在一些实施例中，方法还包括：响应于用户意图指示修改当前播放的多媒体列表，基于语音反馈和前置条件，修改当前播放的多媒体列表；和/或响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
在一些实施例中，响应于用户意图指示修改当前播放的多媒体列表，修改当前播放的多媒体列表包括：响应于负反馈为对多媒体的主创的负反馈且前置条件为多媒体点播，采用多媒体库中预定数量的与负反馈多媒体同名的其他主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于负反馈为对多媒体的主创的负反馈且前置条件为随机播放或主创点播，采用多媒体库中预定数量的主创为非负反馈主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；响应于负反馈为对多媒体的标签的负反馈且前置条件为主创点播，采用多媒体库中预定数量的当前主创的标签与负反馈标签不同的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
在一些实施例中，响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体包括：响应于语音反馈为对多媒体的负反馈且前置条件为主创点播、标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于语音反馈为对多媒体的主创的负反馈且前置条件为标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；响应于语音反馈为对多媒体的标签的负反馈且前置条件为多媒体点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
第二方面，本申请实施例提供了一种基于喜好反馈的智能播放装置，包括：语音反馈接收单元，用于接收用户对于播放的当前多媒体的语音反馈；用户意图分析单元，用于基于语音反馈，分析用户意图；相似度计算单元，用于响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度；多媒体列表更新单元，用于基于语音反馈和相似度，更新当前播放的多媒体列表。
在一些实施例中，多媒体列表更新单元进一步用于：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；用于响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在一些实施例中，装置还包括：前置条件获取单元，用于获取语音反馈的前置条件；用户意图分析单元进一步用于：基于语音反馈和前置条件，分析用户意图；多媒体列表更新单元进一步用于：基于语音反馈、前置条件和相似度，更新当前播放的多媒体列表。
在一些实施例中，多媒体列表更新单元进一步用于：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈和前置条件，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈和前置条件，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在一些实施例中，多媒体列表更新单元进一步用于：响应于正反馈为对多媒体或多媒体的主创的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的后续多媒体；响应于正反馈为对多媒体的标签的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的标签与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体；响应于正反馈为对多媒体的标签的正反馈且前置条件为主创点播，优先采用正向排序列表中预定数量的当前主创的与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体。
在一些实施例中，多媒体列表更新单元进一步用于：响应于负反馈为对多媒体的负反馈且前置条件为随机播放或多媒体点播，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于负反馈为对多媒体的标签的负反馈且前置条件为随机播放或标签点播，采用负向排序列表中预定数量的标签与负反馈标签不同的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
在一些实施例中，装置还包括：多媒体列表修改单元，用于响应于用户意图指示修改当前播放的多媒体列表，基于语音反馈和前置条件，修改当前播放的多媒体列表；和/或当前多媒体删除单元，用于响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
在一些实施例中，多媒体列表修改单元进一步用于：响应于负反馈为对多媒体的主创的负反馈且前置条件为多媒体点播，采用多媒体库中预定数量的与负反馈多媒体同名的其他主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于负反馈为对多媒体的主创的负反馈且前置条件为随机播放或主创点播，采用多媒体库中预定数量的主创为非负反馈主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；响应于负反馈为对多媒体的标签的负反馈且前置条件为主创点播，采用多媒体库中预定数量的当前主创的标签与负反馈标签不同的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
在一些实施例中，当前多媒体删除单元进一步用于：响应于语音反馈为对多媒体的负反馈且前置条件为主创点播、标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于语音反馈为对多媒体的主创的负反馈且前置条件为标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；响应于语音反馈为对多媒体的标签的负反馈且前置条件为多媒体点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项一种基于喜好反馈的智能播放方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如上任意一项一种基于喜好反馈的智能播放方法。
本申请实施例提供的一种基于喜好反馈的智能播放方法和装置，首先，接收用户对于播放的当前多媒体的语音反馈；之后基于语音反馈，分析用户意图；之后响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与所述当前多媒体的相似度；最后，基于所述语音反馈和所述相似度，更新当前播放的多媒体列表。在这一过程中，可以根据用户对当前多媒体的语音反馈，确定用户当前的兴趣喜好，从而实时向用户提供用户喜欢的多媒体，提高了播放的多媒体的准确度和针对性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请实施例的其它特征、目的和优点将会变得更明显：
图1示出了可以应用本申请的基于喜好反馈的智能播放方法或播放多媒体的的装置的实施例的示例性系统架构图；
图2是根据本申请的一种基于喜好反馈的智能播放方法的一个实施例的示意性流程图；
图3是根据本申请的一种基于喜好反馈的智能播放方法的又一个实施例的示意性流程图；
图4是根据本申请的一种基于喜好反馈的智能播放方法的第三个实施例的示意性流程图；
图5是根据本申请的一种基于喜好反馈的智能播放方法的第四个实施例的示意性流程图；
图6是根据本申请的一种基于喜好反馈的智能播放装置的一个实施例的示例性结构图；
图7是适于用来实现本申请的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请实施例作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请实施例中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请实施例。
图1示出了可以应用本申请的基于喜好反馈的智能播放方法或基于喜好反馈的智能播放装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105、106。网络104用以在终端设备101、102、103和服务器105、106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户110可以使用终端设备101、102、103通过网络104与服务器105、106交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如搜索引擎类应用、购物类应用、即时通信工具、邮箱客户端、社交平台软件、音视频播放类应用等。
终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能音箱、智能手机、可穿戴设备、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105、106可以是提供各种服务的服务器，例如对终端设备101、102、103提供支持的后台服务器。后台服务器可以对终端的数据进行分析或计算等处理，并将分析或计算结果推送给终端设备。
需要说明的是，本申请中实施例所提供的基于喜好反馈的智能播放方法一般由服务器105、106或终端设备101、102、103执行，相应地，基于喜好反馈的智能播放装置一般设置于服务器105、106或终端设备101、102、103中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，图2示出了根据本申请的一种基于喜好反馈的智能播放方法的一个实施例的示意性流程。
如图2所示，该基于喜好反馈的智能播放方法200包括：
在步骤210中，接收用户对于播放的当前多媒体的语音反馈。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备(例如图1中所示的服务器或图1中所示的终端设备)可以经由终端设备的麦克风接收用户输入的语音反馈。
这里的语音反馈，用以指示用户对终端设备播放的当前多媒体的意见或评论。例如，语音反馈可以包括以下任意一项或多项：语音对多媒体的反馈；语音对多媒体所在的预定列表的反馈；语音对多媒体的主创的反馈；以及语音对多媒体的标签的反馈。这里的多媒体，可以为音频，视频，或者音频和视频的组合。这里的预定列表，是指用户选定或终端设备的应用提供商所提供的按照预定主题或兴趣生成的列表，例如主题列表或兴趣列表。这里的主创，是指多媒体的主要创作人员，这里的标签，是指多媒体的语种、风格、场景、情感或主题等。
在一些实现中，终端设备首先可以接收用户输入的唤醒指令；之后，语音反馈应答信息并接收用户对于播放的当前多媒体的语音反馈。
以多媒体为音频内容中的歌曲为例，终端设备可以接收用户的语音输入“小A”，其中“小A”为预先确定的唤醒指令；之后，终端设备语音反馈用户“哎！”，之后，用户对于播放的当前多媒体的语音反馈“这首歌真好听”或者“我喜欢AA的歌”。
在步骤220中，基于语音反馈，分析用户意图。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备将实时语音反馈识别为文本，再对文本进行语义解析，得到语音反馈中所包括的语义，之后，可以基于识别的语义，分析用户意图。
分析用户意图的方法，可以为现有技术或未来发展的技术中的分析用户意图的方法，本申请对此不做限定，例如，可以采用预设的规则来分析用户意图，还可以采用预先训练的用户意图识别模型来识别用户意图。
用于分析用户意图的预设的规则，可以基于用户的设定得到，或者基于对用户历史数据的学习归纳得到。当语音反馈的语义识别结果命中预设的规律中存在的条件时，表明用户意图为预设的规律中规定的所需要执行的动作。例如，基于用户历史数据：在用户向智能音箱语音反馈“喜欢AA的歌”之后，用户会有较大的概率会输入语音请求“播放AA的歌”，那么基于用户历史数据，就可以学习归纳出预设的规则：当实时的语音反馈满足预定条件“喜欢XX的歌”，可以得到的可执行的动作“播放XX的歌”，也即将XX的歌更新至当前播放的多媒体列表。
用于分析用户意图的预先训练的用户意图识别模型，可以为机器学习模型，基于对用户历史数据形成的大数据样本进行训练得到。将语音反馈或语义识别结果输入机器学习模型，可以得到机器学习模型输出的基于语音反馈得到的用户意图。例如，可以通过卷积神经网络模型、循环神经网络模型或深度神经网络模型，对于用户历史数据中的语音反馈“喜欢AA的歌”和之后用户请求执行的动作“播放AA的歌”的样本进行学习，从而训练得到卷积神经网络模型、循环神经网络模型或深度神经网络模型，之后采用该训练好的深度神经网络模型识别用户输入的语音反馈“喜欢XX的歌”，得到语音反馈的用户意图“播放XX的歌”。
在步骤230中，响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备响应于用户意图指示更新当前播放的多媒体列表，可以计算多媒体库中的多媒体与当前多媒体的相似度，以期基于语音反馈所体现的用户喜好，向用户推荐其喜好的多媒体。
这里的相似度，可以基于多媒体库中的多媒体与当前多媒体的以下一项或多项参数确定：在预定列表(例如主题列表和/或兴趣列表)中的共现概率；是否属于同一主创；以及是否属于同一标签。
用于确定相似度的方法，可以采用现有技术或未来发展的技术中的相似度计算方法，本申请对此不做限定。例如向量夹角余弦的距离计算方法、最近邻算法、聚类算法等。
在步骤240中，基于语音反馈和相似度，更新当前播放的多媒体列表。
在本实施例中，可以根据相似度和语音反馈，从多媒体库中提取多媒体来更新当前播放的多媒体列表。例如，若语音反馈为“这首歌真好听”，那么，可以从曲库中提取与当前歌曲相似度比较高的歌曲，生成正向排序列表；若语音反馈为“AA的歌太难听了”，那么，可以从曲库中提取与当前歌曲的相似度比较小的歌曲，生成负向排序列表。
在本实施例的一些可选实现方式中，基于语音反馈和相似度，更新当前播放的多媒体列表可以包括：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在本实现方式中，若预定语音反馈为正反馈，也即语音反馈为对当前歌曲的正面评价，表明用户对当前播放的多媒体的播放参数的喜好，那么此时可以基于该正面评价，采用与当前播放的多媒体的相似度较高的多媒体来更新当前播放的多媒体列表；若预定语音反馈为负反馈，也即语音反馈为对当前歌曲的负面评价，表明用户对当前播放的多媒体的播放参数的厌恶，那么可以基于该负面评价，采用与当前播放的多媒体的相似度较低的多媒体来更新当前播放的多媒体列表。
这里的播放参数，可以包括多媒体的以下一项或多项参数：名称、主创人员、多媒体列表和标签。其中，多媒体列表又可以包括专题多媒体列表(例如歌曲专辑)和兴趣多媒体列表(例如歌单)。标签又可以包括语种(例如中文、英文、粤语、欧美、日语、韩语等)、风格(例如古典、现代等)、场景(例如运动、学习等)、情感(例如兴奋、忧伤、治愈等)以及主题(例如网络、动漫、经典、榜单)等。
下面，以多媒体为音频中的歌曲为例进行说明，播放参数中的多媒体名称可以为歌名；主创人员可以为歌手、词作者或曲作者；专题多媒体列表可以为专辑；兴趣多媒体列表可以为歌单；语种可以为华语、粤语、英语、日语、韩语、德语、法语、其它语种等；风格可以为流行、摇滚、民谣、电子、舞曲、说唱、轻音乐、爵士、乡村、黑人音乐、古典、民族、英伦、金属、朋克、蓝调、雷鬼、拉丁、另类、新纪元、古风、后摇滚、新派爵士等；场景可以为清晨、夜晚、学习、工作、午休、下午茶、地铁、驾车、运动、旅行、散步、酒吧等；情感可以为怀旧、清新、浪漫、性感、忧伤、治愈、放松、孤独、感动、兴奋、快乐、安静、思念等；主题则可以为：影视原声、动漫、校园、游戏、70后、80后、90后、网络歌曲、KTV、经典、翻唱、吉他、钢琴、器乐、儿童、榜单、00后等。
本申请上述实施例提供的一种基于喜好反馈的智能播放方法，首先接收用户对于播放的当前多媒体的语音反馈，之后基于语音反馈，分析用户意图；之后响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度，最后基于语音反馈和相似度，更新当前播放的多媒体列表。在这一过程中，基于语音反馈和相似度更新当前播放的多媒体列表，使得播放的多媒体更为满足用户的需求，从而提升了向用户播放的多媒体的准确度和针对性。
进一步参考图3，图3示出了根据本申请的一种基于喜好反馈的智能播放方法的又一个实施例的示意性流程。
如图3所示，该基于喜好反馈的智能播放方法300包括：
在步骤310中，接收用户对于播放的当前多媒体的语音反馈。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备(例如图1中所示的服务器或图1中所示的终端设备)可以经由终端设备的麦克风接收用户输入的语音反馈。
这里的语音反馈，用以指示用户对终端设备播放的当前多媒体的意见或评论。例如，语音反馈可以包括以下任意一项或多项：语音对多媒体的反馈；语音对多媒体所在的预定列表的反馈；语音对多媒体的主创的反馈；以及语音对多媒体的标签的反馈。这里的多媒体，可以为音频，视频，或者音频和视频的组合。这里的预定列表，是指用户选定或终端设备的应用提供商所提供的按照预定主题或兴趣生成的列表，例如主题列表或兴趣列表。这里的主创，是指多媒体的主要创作人员，这里的标签，是指多媒体的语种、风格、场景、情感或主题等。
在步骤320中，获取语音反馈的前置条件。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备(例如图1中所示的服务器或图1中所示的终端设备)可以经由终端设备正在播放多媒体的应用获取当前多媒体的前置条件。
这里的前置条件是指触发播放当前多媒体的播放指令，例如随机点播、多媒体点播、主创点播、标签点播或列表点播等。这里的随机点播，是指随机点播多媒体进行播放；多媒体点播，是指根据多媒体的名称进行点播；主创点播，是指根据多媒体的主创人员进行点播；标签点播，是指根据多媒体的标签进行点播；列表点播，是指根据多媒体的列表进行点播，例如根据主题列表或兴趣列表进行点播等。
在步骤330中，基于语音反馈和前置条件，分析用户意图。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备将实时语音反馈识别为文本，再对文本进行语义解析，得到语音反馈中所包括的语义，之后，可以基于识别的语义和前置条件，分析用户意图。
分析用户意图的方法，可以为现有技术或未来发展的技术中的分析用户意图的方法，本申请对此不做限定，例如，可以采用预设的规则来分析用户意图，还可以采用预先训练的用户意图识别模型来识别用户意图。
用于分析用户意图的预设的规则，可以基于用户的设定得到，或者基于对用户历史数据的学习归纳得到。当语音反馈的语义识别结果和前置条件命中预设的规律中存在的条件时，表明用户意图为预设的规律中规定的所需要执行的动作。例如，基于用户历史数据：在用户向智能音箱语音反馈“喜欢AA的歌”且前置条件为“随机播放”之后，用户会有较大的概率会输入语音请求“播放AA的歌”，那么基于用户历史数据，就可以学习归纳出预设的规则：当实时的语音反馈满足预定条件“喜欢XX的歌”且前置条件为“随机播放”，可以得到的可执行的动作“播放XX的歌”，也即将XX的歌更新至当前播放的多媒体列表。
用于分析用户意图的预先训练的用户意图识别模型，可以为机器学习模型，基于对用户历史数据形成的大数据样本进行训练得到。将语音反馈及前置条件或语义识别结果及前置条件输入机器学习模型，可以得到机器学习模型输出的基于语音反馈和前置条件或基于语义识别结果及前置条件分析得到的用户意图。例如，可以通过卷积神经网络模型、循环神经网络模型或深度神经网络模型，对于用户历史数据中的语音反馈“喜欢AA的歌”及前置条件“随机播放”和之后用户请求执行的动作“播放AA的歌”的样本进行学习，从而训练得到卷积神经网络模型、循环神经网络模型或深度神经网络模型，之后采用该训练好的深度神经网络模型识别用户输入的语音反馈“喜欢XX的歌”及前置条件“随机播放”，得到语音反馈的用户意图“播放XX的歌”。
在步骤340中，响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备响应于用户意图指示更新当前播放的多媒体列表，可以计算多媒体库中的多媒体与当前多媒体的相似度，以期基于语音反馈和前置条件所体现的用户喜好，向用户推荐其喜好的多媒体。
这里的相似度，可以基于多媒体库中的多媒体与当前多媒体的以下一项或多项参数确定：在预定列表(例如主题列表和/或兴趣列表)中的共现概率；是否属于同一主创；以及是否属于同一标签。
用于确定相似度的方法，可以采用现有技术或未来发展的技术中的相似度计算方法，本申请对此不做限定。例如向量夹角余弦的距离计算方法、最近邻算法、聚类算法等。
在步骤350中，基于语音反馈、前置条件和相似度，更新当前播放的多媒体列表。
在本实施例中，可以根据相似度、前置条件和语音反馈，从多媒体库中提取多媒体来更新当前播放的多媒体列表。例如，若语音反馈为“喜欢这个风格”，前置条件为“随机播放”，那么，可以从曲库中提取与当前歌曲的相似度比较高的歌曲，生成正向排序列表，采用正向排序列表更新播放的多媒体列表中的当前多媒体和后续多媒体；若语音反馈为“这首歌不好听”，前置条件为“随机播放”，那么，可以从曲库中提取与当前歌曲相似度比较低的热点歌曲，生成负向排序列表，采用负向排序列表更新当前播放的多媒体列表中的当前多媒体和后续多媒体。
在本实施例的一些可选实现方式中，基于语音反馈、前置条件和相似度，更新当前播放的多媒体列表包括：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈和前置条件，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈和前置条件，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在本实现方式中，若预定语音反馈为正反馈，也即语音反馈为对当前歌曲的正面评价，表明用户对当前播放的多媒体的播放参数的喜好，那么此时可以基于该正面评价和前置条件，采用与当前播放的多媒体的相似度较高的多媒体来更新当前播放的多媒体列表；若预定语音反馈为负反馈，也即语音反馈为对当前歌曲的负面评价，表明用户对当前播放的多媒体的播放参数的厌恶，那么可以基于该负面评价和前置条件，采用与当前播放的多媒体的相似度较低的多媒体来更新当前播放的多媒体列表。
这里的播放参数，可以包括多媒体的以下一项或多项参数：名称、主创人员、多媒体列表和标签。其中，多媒体列表又可以包括专题多媒体列表(例如歌曲专辑)和兴趣多媒体列表(例如歌单)。标签又可以包括语种(例如中文、英文、粤语、欧美、日语、韩语等)、风格(例如古典、现代等)、场景(例如运动、学习等)、情感(例如兴奋、忧伤、治愈等)以及主题(例如网络、动漫、经典、榜单)等。
示例性地，以下描述基于正反馈和前置条件，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表的一些应用场景：
在第一个场景中，响应于正反馈为对多媒体或多媒体的主创的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的后续多媒体。例如，用户首先语音输入“随便放首歌”，终端设备随机播放当前歌曲，之后用户对于当前歌曲的语音反馈为“我喜欢这首歌”或者“我喜欢这个歌手”，此时可以基于播放的当前歌曲，采用与其相似度较高的正向排序列表中预定数量的热点歌曲来更新后续多媒体，从而可以个性化地向用户推荐歌曲。
在第二个场景中，响应于正反馈为对多媒体的标签的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的标签与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体。例如，用户首先语音输入“随便放首歌”，终端设备随机播放当前歌曲，之后用户对于当前歌曲的语音反馈为“喜欢这个风格”，此时可以基于播放的当前歌曲，采用与其相似度较高的正向排序列表中预定数量的热点歌曲来更新后续多媒体，从而可以个性化地向用户推荐歌曲。
在第三个场景中，响应于正反馈为对多媒体的标签的正反馈且前置条件为主创点播，优先采用正向排序列表中预定数量的当前主创的与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体。例如，用户首先语音输入“我想听AA的歌”，终端设备播放AA的热点歌曲，之后用户对于当前歌曲的语音反馈为“喜欢这个风格”，此时可以基于播放的当前歌曲，采用与其相似度较高的正向排序列表中预定数量的当前风格的热点歌曲来更新后续多媒体，从而可以个性化地向用户推荐歌曲。
示例性地，以下描述基于负反馈和前置条件，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表的应用场景：
在第一个应用场景中，响应于负反馈为对多媒体的负反馈且前置条件为随机播放或多媒体点播，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体。例如，用户首先语音输入“随便放首歌”，终端设备随机播放歌曲，或者用户首先语音输入“想听BB(歌曲名)”，终端设备播放依据热度排序的各个版本的该歌曲，之后用户对于播放的当前歌曲的语音反馈为“这首歌不好听”，此时可以基于播放的当前歌曲，采用与其相似度较低的负向排序列表中预定数量的热点歌曲来更新当前多媒体和后续多媒体，从而可以个性化地向用户推荐歌曲。
在第二个应用场景中，响应于负反馈为对多媒体的标签的负反馈且前置条件为随机播放或标签点播，采用负向排序列表中预定数量的标签与负反馈标签不同的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。例如，用户首先语音输入“随便放首歌”，终端设备随机播放歌曲，或者用户首先语音输入“想听民谣歌曲”，终端设备播放依据热度排序的带有民谣标签的歌曲，之后用户对于播放的当前歌曲的语音反馈为“不喜欢这个风格”，此时可以基于播放的当前歌曲，采用与其相似度较低的负向排序列表中预定数量的标签与负反馈标签不同的热点多媒体来更新当前多媒体和后续多媒体，从而可以个性化地向用户推荐歌曲。
本申请上述实施例提供的一种基于喜好反馈的智能播放方法，首先接收用户对于播放的当前多媒体的语音反馈，之后获取语音反馈的前置条件，之后基于语音反馈和前置条件，分析用户意图，之后响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度，最后基于语音反馈、前置条件和相似度，更新当前播放的多媒体列表。在这一过程中，基于语音反馈、前置条件和相似度更新当前播放的多媒体列表，增加了用于分析用户意图的参数，使得播放的多媒体更为满足用户的需求，从而提升了向用户播放的多媒体的准确度和针对性。
进一步参考图4，图4示出了根据本申请的一种基于喜好反馈的智能播放方法的第三个实施例的示意性流程。
如图4所示，该基于喜好反馈的智能播放方法400包括：
在步骤410中，接收用户对于播放的当前多媒体的语音反馈。
在本实施例中，在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备(例如图1中所示的服务器或图1中所示的终端设备)可以经由终端设备的麦克风接收用户输入的语音反馈。
这里的语音反馈，用以指示用户对终端设备播放的当前多媒体的意见或评论。例如，语音反馈可以包括以下任意一项或多项：语音对多媒体的反馈；语音对多媒体所在的预定列表的反馈；语音对多媒体的主创的反馈；以及语音对多媒体的标签的反馈。这里的多媒体，可以为音频，视频，或者音频和视频的组合。这里的预定列表，是指用户选定或终端设备的应用提供商所提供的按照预定主题或兴趣生成的列表，例如主题列表或兴趣列表。这里的主创，是指多媒体的主要创作人员，这里的标签，是指多媒体的语种、风格、场景、情感或主题等。
在步骤420中，获取语音反馈的前置条件。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备(例如图1中所示的服务器或图1中所示的终端设备)可以经由终端设备正在播放多媒体的应用获取当前多媒体的前置条件。
这里的前置条件是指触发播放当前多媒体的播放指令，例如随机点播、多媒体点播、主创点播、标签点播或列表点播等。这里的随机点播，是指随机点播多媒体进行播放；多媒体点播，是指根据多媒体的名称进行点播；主创点播，是指根据多媒体的主创人员进行点播；标签点播，是指根据多媒体的标签进行点播；列表点播，是指根据多媒体的列表进行点播，例如根据主题列表或兴趣列表进行点播等。
在步骤430中，基于语音反馈和前置条件，分析用户意图。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备将实时语音反馈识别为文本，再对文本进行语义解析，得到语音反馈中所包括的语义，之后，可以基于识别的语义和前置条件，分析用户意图。
分析用户意图的方法，可以为现有技术或未来发展的技术中的分析用户意图的方法，本申请对此不做限定，例如，可以采用预设的规则来分析用户意图，还可以采用预先训练的用户意图识别模型来识别用户意图。
用于分析用户意图的预设的规则，可以基于用户的设定得到，或者基于对用户历史数据的学习归纳得到。当语音反馈的语义识别结果和前置条件命中预设的规律中存在的条件时，表明用户意图为预设的规律中规定的所需要执行的动作。例如，基于用户历史数据：在用户向智能音箱语音反馈“不喜欢这个歌手AA”且前置条件为“歌曲点播”之后，用户会有较大的概率会输入语音请求“推荐非该歌手的热门歌曲且切换至下一首”，那么基于用户历史数据，就可以学习归纳出预设的规则：当实时的语音反馈满足预定条件“不喜欢这个歌手XX”且前置条件为“歌曲点播”，可以得到的可执行的动作“推荐非该歌手的热门歌曲且切换至下一首”。
用于分析用户意图的预先训练的用户意图识别模型，可以为机器学习模型，基于对用户历史数据形成的大数据样本进行训练得到。将语音反馈及前置条件或语义识别结果及前置条件输入机器学习模型，可以得到机器学习模型输出的基于语音反馈和前置条件或基于语义识别结果及前置条件分析得到的用户意图。例如，可以通过卷积神经网络模型、循环神经网络模型或深度神经网络模型，对于用户历史数据中的语音反馈“不喜欢这个歌手AA”及前置条件为“歌曲点播”，执行的动作为“推荐非该歌手的热门歌曲且切换至下一首”的样本进行学习，从而训练得到卷积神经网络模型、循环神经网络模型或深度神经网络模型，之后采用该训练好的模型识别用户输入的语音反馈“不喜欢XX的歌”及前置条件“歌曲点播”，得到语音反馈的用户意图“推荐非该歌手的热门歌曲且切换至下一首”。
在步骤440中，响应于用户意图指示修改当前播放的多媒体列表，基于语音反馈和前置条件，修改当前播放的多媒体列表。
在本实施例中，可以响应于用户意图指示修改当前播放的多媒体列表，基于前置条件和语音反馈，从多媒体库中提取多媒体来修改当前播放的多媒体列表。例如，若语音反馈为“不喜欢这个风格”，前置条件为“歌手点播”，那么，可以修改播放的多媒体列表中的当前多媒体和后续多媒体为“该歌手的其它风格”的歌；若语音反馈为“不喜欢这个歌手”，前置条件为“随机播放”或“歌手点播”，那么，可以将当前播放的多媒体列表中的当前多媒体和后续多媒体修改为从曲库中提取的歌手与当前歌手不同的热点歌曲。
示例性地，以下描述响应于用户意图指示修改当前播放的多媒体列表，基于语音反馈和前置条件，修改当前播放的多媒体列表的一些应用场景：
在第一个场景中，响应于负反馈为对多媒体的主创的负反馈且前置条件为多媒体点播，采用多媒体库中预定数量的与负反馈多媒体同名的其他主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈命中的多媒体。例如，用户首先语音输入“我想听BB(歌曲名)”，终端设备播放依据热度排序的各个版本的该歌曲，之后用户对于当前歌曲的语音反馈为“不喜欢这个歌手”，此时可以采用多媒体库中预定数量的与“BB”同名的其他主创的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体。
在第二个场景中，响应于负反馈为对多媒体的主创的负反馈且前置条件为随机播放或主创点播，采用多媒体库中预定数量的主创为非负反馈主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体。例如，用户首先语音输入“随便放首歌”，终端设备随机播放热点歌曲，或者用户首先语音输入“我想听AA的歌”，终端设备播放AA的热点歌曲，之后用户对于当前歌曲的语音反馈为“不喜欢这个歌手”，此时可以采用多媒体库中预定数量的非“AA”的其他主创的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
在第三个场景中，响应于负反馈为对多媒体的标签的负反馈且前置条件为主创点播，采用多媒体库中预定数量的当前主创的标签与负反馈标签不同的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。例如，用户首先语音输入“我想听AA的歌”，终端设备播放AA的热点歌曲，用户对于当前歌曲的语音反馈为“不喜欢这个风格”，此时可以采用多媒体库中预定数量的当前主创“AA”的其它风格的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
本申请上述实施例提供的一种基于喜好反馈的智能播放方法，首先接收用户对于播放的当前多媒体的语音反馈，之后获取语音反馈的前置条件，之后基于语音反馈和前置条件，分析用户意图，之后响应于用户意图指示修改当前播放的多媒体列表，修改当前播放的多媒体列表。在这一过程中，基于语音反馈和前置条件修改当前播放的多媒体列表，使得播放的多媒体更为满足用户的需求，从而提升了向用户播放的多媒体的准确度和针对性。
进一步参考图5，图5示出了根据本申请的一种基于喜好反馈的智能播放方法的第四个实施例的示意性流程。
如图5所示，该基于喜好反馈的智能播放方法500包括：
在步骤510中，接收用户对于播放的当前多媒体的语音反馈。
在本实施例中，在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备(例如图1中所示的服务器或图1中所示的终端设备)可以经由终端设备的麦克风接收用户输入的语音反馈。
这里的语音反馈，用以指示用户对终端设备播放的当前多媒体的意见或评论。例如，语音反馈可以包括以下任意一项或多项：语音对多媒体的反馈；语音对多媒体所在的预定列表的反馈；语音对多媒体的主创的反馈；以及语音对多媒体的标签的反馈。这里的多媒体，可以为音频，视频，或者音频和视频的组合。这里的预定列表，是指用户选定或终端设备的应用提供商所提供的按照预定主题或兴趣生成的列表，例如主题列表或兴趣列表。这里的主创，是指多媒体的主要创作人员，这里的标签，是指多媒体的语种、风格、场景、情感或主题等。
在步骤520中，获取语音反馈的前置条件。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备(例如图1中所示的服务器或图1中所示的终端设备)可以经由终端设备正在播放多媒体的应用获取当前多媒体的前置条件。
这里的前置条件是指触发播放当前多媒体的播放指令，例如随机点播、多媒体点播、主创点播、标签点播或列表点播等。这里的随机点播，是指随机点播多媒体进行播放；多媒体点播，是指根据多媒体的名称进行点播；主创点播，是指根据多媒体的主创人员进行点播；标签点播，是指根据多媒体的标签进行点播；列表点播，是指根据多媒体的列表进行点播，例如根据主题列表或兴趣列表进行点播等。
在步骤530中，基于语音反馈和前置条件，分析用户意图。
在本实施例中，运行一种基于喜好反馈的智能播放方法的电子设备将实时语音反馈识别为文本，再对文本进行语义解析，得到语音反馈中所包括的语义，之后，可以基于识别的语义和前置条件，分析用户意图。
分析用户意图的方法，可以为现有技术或未来发展的技术中的分析用户意图的方法，本申请对此不做限定，例如，可以采用预设的规则来分析用户意图，还可以采用预先训练的用户意图识别模型来识别用户意图。
用于分析用户意图的预设的规则，可以基于用户的设定得到，或者基于对用户历史数据的学习归纳得到。当语音反馈的语义识别结果和前置条件命中预设的规律中存在的条件时，表明用户意图为预设的规律中规定的所需要执行的动作。例如，基于用户历史数据：在用户向智能音箱语音反馈“不喜欢这个歌手AA”且前置条件为“标签点播”之后，用户会有较大的概率会输入语音请求“切换至下一首且删除当前播放的歌曲列表中歌手AA的歌”，那么基于用户历史数据，就可以学习归纳出预设的规则：当实时的语音反馈满足预定条件“不喜欢这个歌手XX”且前置条件为“标签点播”，可以得到的可执行的动作“切换至下一首且删除当前播放的歌曲列表中歌手XX的歌”。
用于分析用户意图的预先训练的用户意图识别模型，可以为机器学习模型，基于对用户历史数据形成的大数据样本进行训练得到。将语音反馈及前置条件或语义识别结果及前置条件输入机器学习模型，可以得到机器学习模型输出的基于语音反馈和前置条件或基于语义识别结果及前置条件分析得到的用户意图。例如，可以通过卷积神经网络模型、循环神经网络模型或深度神经网络模型，对于用户历史数据中的语音反馈“不喜欢这个歌手AA”及前置条件为“标签点播”，执行的动作为“切换至下一首且删除当前播放的歌曲列表中歌手AA的歌”的样本进行学习，从而训练得到卷积神经网络模型、循环神经网络模型或深度神经网络模型，之后采用该训练好的深度神经网络模型识别用户输入的语音反馈“不喜欢XX的歌”及前置条件“标签点播”，得到语音反馈的用户意图“切换至下一首且删除当前播放的歌曲列表中歌手XX的歌”。
在步骤540中，响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
在本实施例中，可以响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。例如，若语音反馈为“不喜欢这个风格CC”，前置条件为“歌曲点播”，那么，可以切换至下一首并删除当前播放的多媒体列表中的“CC风格”的歌；若语音反馈为“不喜欢这个歌手AA”，前置条件为“标签点播”，那么，可以切换至下一首并删除当前播放的多媒体列表中的歌手“AA”的歌。
示例性地，以下描述响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体的一些应用场景：
在第一个场景中，响应于语音反馈为对多媒体的负反馈且前置条件为主创点播、标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。例如，用户首先语音输入“我想听AA的歌”，终端设备播放依据热度排序的AA的歌，或者用户首先语音输入“我想听忧伤的歌”，终端设备播放依据热度排序的忧伤的歌，或者首先语音输入“我想听兴趣列表ABC”，终端设备播放兴趣列表ABC的歌，之后用户对于当前歌曲的语音反馈为“不喜欢这首歌”，此时可以切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
在第二个场景中，响应于语音反馈为对多媒体的主创的负反馈且前置条件为标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体。例如，用户首先语音输入“我想听忧伤的歌”，终端设备播放依据热度排序的忧伤的歌，或者首先语音输入“我想听兴趣列表ABC”，终端设备播放兴趣列表ABC的歌，之后用户对于当前歌曲的语音反馈为“不喜欢AA(当前歌曲的主创)的歌”，此时可以切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
在第三个场景中，响应于语音反馈为对多媒体的标签的负反馈且前置条件为多媒体点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。例如，用户首先语音输入“我想听BB(歌曲名)”，终端设备播放依据热度排序的各个版本的BB，或者用户首先语音输入“我想听忧伤的歌”，终端设备播放依据热度排序的忧伤的歌，或者首先语音输入“我想听兴趣列表ABC”，终端设备播放兴趣列表ABC的歌，之后用户对于当前歌曲的语音反馈为“不喜欢这个风格”，此时可以切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
本申请上述实施例提供的一种基于喜好反馈的智能播放方法，首先接收用户对于播放的当前多媒体的语音反馈，之后获取语音反馈的前置条件，之后基于语音反馈和前置条件，分析用户意图，之后响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。在这一过程中，基于语音反馈、前置条件分析的用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体，使得播放的多媒体更为满足用户的需求，从而提升了向用户播放的多媒体的准确度和针对性。
进一步参考图6，作为对上述方法的实现，本申请提供了一种基于喜好反馈的智能播放装置的一个实施例，该一种基于喜好反馈的智能播放装置的实施例与图1至图5所示的一种基于喜好反馈的智能播放方法的实施例相对应，由此，上文针对图1至图5中一种基于喜好反馈的智能播放方法描述的操作和特征同样适用于一种基于喜好反馈的智能播放装置600及其中包含的单元，在此不再赘述。
如图6所示，该一种基于喜好反馈的智能播放装置600包括：语音反馈接收单元610，用于接收用户对于播放的当前多媒体的语音反馈；用户意图分析单元620，用于基于语音反馈，分析用户意图；相似度计算单元630，用于响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度；多媒体列表更新单元640，用于基于语音反馈和相似度，更新当前播放的多媒体列表。
在一些实施例中，多媒体列表更新单元进一步用于：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在一些实施例中，装置还包括：前置条件获取单元650，用于获取语音反馈的前置条件；用户意图分析单元620进一步用于：基于语音反馈和前置条件，分析用户意图；多媒体列表更新单元640进一步用于：基于语音反馈、前置条件和相似度，更新当前播放的多媒体列表。
在一些实施例中，多媒体列表更新单元640进一步用于：响应于语音反馈为正反馈，根据相似度从大到小排序多媒体库中的多媒体，得到正向排序列表，基于正反馈和前置条件，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；响应于语音反馈为负反馈，根据相似度从小到大排序多媒体库中的多媒体，得到负向排序列表，基于负反馈和前置条件，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
在一些实施例中，多媒体列表更新单元640进一步用于：响应于正反馈为对多媒体或多媒体的主创的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的后续多媒体；响应于正反馈为对多媒体的标签的正反馈且前置条件为随机播放，采用正向排序列表中预定数量的标签与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体；响应于正反馈为对多媒体的标签的正反馈且前置条件为主创点播，优先采用正向排序列表中预定数量的当前主创的与正反馈标签相同的热点多媒体更新当前播放的多媒体列表中的后续多媒体。
在一些实施例中，多媒体列表更新单元640进一步用于：响应于负反馈为对多媒体的负反馈且前置条件为随机播放或多媒体点播，采用负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于负反馈为对多媒体的标签的负反馈且前置条件为随机播放或标签点播，采用负向排序列表中预定数量的标签与负反馈标签不同的热点多媒体更新当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
在一些实施例中，装置还包括：多媒体列表修改单元660，用于响应于用户意图指示修改当前播放的多媒体列表，基于语音反馈和前置条件，修改当前播放的多媒体列表；和/或当前多媒体删除单元670，用于响应于用户意图指示删除当前多媒体，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体。
在一些实施例中，多媒体列表修改单元660进一步用于：响应于负反馈为对多媒体的主创的负反馈且前置条件为多媒体点播，采用多媒体库中预定数量的与负反馈多媒体同名的其他主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于负反馈为对多媒体的主创的负反馈且前置条件为随机播放或主创点播，采用多媒体库中预定数量的主创为非负反馈主创的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；响应于负反馈为对多媒体的标签的负反馈且前置条件为主创点播，采用多媒体库中预定数量的当前主创的标签与负反馈标签不同的热点多媒体修改当前播放的多媒体列表中的当前多媒体和后续多媒体，从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
在一些实施例中，当前多媒体删除单元670进一步用于：响应于语音反馈为对多媒体的负反馈且前置条件为主创点播、标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈命中的多媒体；响应于语音反馈为对多媒体的主创的负反馈且前置条件为标签点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；响应于语音反馈为对多媒体的标签的负反馈且前置条件为多媒体点播或兴趣列表点播，切换至下一条多媒体并从当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
本申请还提供了一种设备的实施例，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上任意一项所述的一种基于喜好反馈的智能播放方法。
本申请还提供了一种计算机可读存储介质的实施例，其上存储有计算机程序，该程序被处理器执行时实现如上任意一项所述的一种基于喜好反馈的智能播放方法。
下面参考图7，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统700的结构示意图。图7示出的终端设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，所述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701执行时，执行本申请实施例的方法中限定的上述功能。
需要说明的是，本申请实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请实施例中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本申请实施例各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分，所述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括语音反馈接收单元、用户意图分析单元、相似度计算单元和多媒体列表更新单元，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，接收单元还可以被描述为“基于语音反馈，分析用户意图的单元”。
作为另一方面，本申请实施例还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：接收用户对于播放的当前多媒体的语音反馈；基于语音反馈，分析用户意图；响应于用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与当前多媒体的相似度；基于语音反馈和相似度，更新当前播放的多媒体列表。
以上描述仅为本申请实施例的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (18)

1.一种基于喜好反馈的智能播放方法，包括：
接收用户对于播放的当前多媒体的语音反馈；
获取所述语音反馈的前置条件；所述前置条件是指触发播放当前多媒体的播放指令；所述前置条件至少包括：随机点播、主创点播、标签点播或者兴趣列表点播；
基于所述语音反馈，分析用户意图，包括：基于所述语音反馈和所述前置条件，分析用户意图；
响应于所述用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与所述当前多媒体的相似度；
基于所述语音反馈和所述相似度，更新所述当前播放的多媒体列表，包括：基于所述语音反馈、所述前置条件和所述相似度，更新当前播放的多媒体列表；所述语音反馈包括正反馈或者负反馈。
2.根据权利要求1所述的方法，其中，所述基于所述语音反馈和所述相似度，更新所述当前播放的多媒体列表包括：
响应于所述语音反馈为正反馈，根据所述相似度从大到小排序所述多媒体库中的多媒体，得到正向排序列表，基于所述正反馈，采用所述正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；
响应于所述语音反馈为负反馈，根据所述相似度从小到大排序所述多媒体库中的多媒体，得到负向排序列表，基于所述负反馈，采用所述负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
3.根据权利要求1所述的方法，其中，所述基于所述语音反馈、所述前置条件和所述相似度，更新当前播放的多媒体列表包括：
响应于所述语音反馈为正反馈，根据所述相似度从大到小排序所述多媒体库中的多媒体，得到正向排序列表，基于所述正反馈和所述前置条件，采用所述正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；
响应于所述语音反馈为负反馈，根据所述相似度从小到大排序所述多媒体库中的多媒体，得到负向排序列表，基于所述负反馈和所述前置条件，采用所述负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
4.根据权利要求3所述的方法，其中，所述基于所述正反馈和所述前置条件，采用所述正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表包括：
响应于所述正反馈为对多媒体或多媒体的主创的正反馈且所述前置条件为随机播放，采用所述正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的后续多媒体；
响应于所述正反馈为对多媒体的标签的正反馈且所述前置条件为随机播放，采用所述正向排序列表中预定数量的标签与正反馈标签相同的热点多媒体更新所述当前播放的多媒体列表中的后续多媒体；
响应于所述正反馈为对多媒体的标签的正反馈且所述前置条件为主创点播，优先采用所述正向排序列表中预定数量的当前主创的与正反馈标签相同的热点多媒体更新所述当前播放的多媒体列表中的后续多媒体。
5.根据权利要求3所述的方法，其中，所述基于所述负反馈和所述前置条件，采用所述负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表包括：
响应于所述负反馈为对多媒体的负反馈且所述前置条件为随机播放或多媒体点播，采用所述负向排序列表中预定数量的热点多媒体更新所述当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体；
响应于所述负反馈为对多媒体的标签的负反馈且所述前置条件为随机播放或标签点播，采用所述负向排序列表中预定数量的标签与负反馈标签不同的热点多媒体更新所述当前播放的多媒体列表中的当前多媒体和后续多媒体，从所述当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
6.根据权利要求1-5任意一项所述的方法，其中，所述方法还包括：
响应于用户意图指示修改所述当前播放的多媒体列表，基于语音反馈和前置条件，修改所述当前播放的多媒体列表；和/或
响应于用户意图指示删除所述当前多媒体，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈命中的多媒体。
7.根据权利要求6所述的方法，其中，所述响应于所述用户意图指示修改所述当前播放的多媒体列表，修改所述当前播放的多媒体列表包括：
响应于所述负反馈为对多媒体的主创的负反馈且所述前置条件为多媒体点播，采用多媒体库中预定数量的与负反馈多媒体同名的其他主创的热点多媒体修改所述当前播放的多媒体列表中的当前多媒体和后续多媒体，从所述当前播放的多媒体列表中删除被负反馈命中的多媒体；
响应于所述负反馈为对多媒体的主创的负反馈且所述前置条件为随机播放或主创点播，采用多媒体库中预定数量的主创为非负反馈主创的热点多媒体修改所述当前播放的多媒体列表中的当前多媒体和后续多媒体，并从所述当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；
响应于所述负反馈为对多媒体的标签的负反馈且所述前置条件为主创点播，采用多媒体库中预定数量的当前主创的标签与负反馈标签不同的热点多媒体修改所述当前播放的多媒体列表中的当前多媒体和后续多媒体，从所述当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
8.根据权利要求6所述的方法，其中，所述响应于所述用户意图指示删除所述当前多媒体，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈命中的多媒体包括：
响应于所述语音反馈为对多媒体的负反馈且所述前置条件为主创点播、标签点播或兴趣列表点播，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈命中的多媒体；
响应于所述语音反馈为对多媒体的主创的负反馈且所述前置条件为标签点播或兴趣列表点播，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；
响应于所述语音反馈为对多媒体的标签的负反馈且所述前置条件为多媒体点播或兴趣列表点播，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
9.一种基于喜好反馈的智能播放装置，包括：
语音反馈接收单元，用于接收用户对于播放的当前多媒体的语音反馈；
前置条件获取单元，用于获取所述语音反馈的前置条件；所述前置条件是指触发播放当前多媒体的播放指令；所述前置条件至少包括：随机点播、主创点播、标签点播或者兴趣列表点播；
用户意图分析单元，用于基于所述语音反馈，分析用户意图；
相似度计算单元，用于响应于所述用户意图指示更新当前播放的多媒体列表，计算多媒体库中的多媒体与所述当前多媒体的相似度；
多媒体列表更新单元，用于基于所述语音反馈和所述相似度，更新所述当前播放的多媒体列表；所述语音反馈包括正反馈或者负反馈；
所述用户意图分析单元进一步用于：基于所述语音反馈和所述前置条件，分析用户意图；
所述多媒体列表更新单元进一步用于：基于所述语音反馈、所述前置条件和所述相似度，更新当前播放的多媒体列表。
10.根据权利要求9所述的装置，其中，所述多媒体列表更新单元进一步用于：
响应于所述语音反馈为正反馈，根据所述相似度从大到小排序所述多媒体库中的多媒体，得到正向排序列表，基于所述正反馈，采用所述正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；
响应于所述语音反馈为负反馈，根据所述相似度从小到大排序所述多媒体库中的多媒体，得到负向排序列表，基于所述负反馈，采用所述负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
11.根据权利要求9所述的装置，其中，所述多媒体列表更新单元进一步用于：
响应于所述语音反馈为正反馈，根据所述相似度从大到小排序所述多媒体库中的多媒体，得到正向排序列表，基于所述正反馈和所述前置条件，采用所述正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表；
响应于所述语音反馈为负反馈，根据所述相似度从小到大排序所述多媒体库中的多媒体，得到负向排序列表，基于所述负反馈和所述前置条件，采用所述负向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表。
12.根据权利要求11所述的装置，其中，所述多媒体列表更新单元进一步用于：
响应于所述正反馈为对多媒体或多媒体的主创的正反馈且所述前置条件为随机播放，采用所述正向排序列表中预定数量的热点多媒体更新当前播放的多媒体列表中的后续多媒体；
响应于所述正反馈为对多媒体的标签的正反馈且所述前置条件为随机播放，采用所述正向排序列表中预定数量的标签与正反馈标签相同的热点多媒体更新所述当前播放的多媒体列表中的后续多媒体；
响应于所述正反馈为对多媒体的标签的正反馈且所述前置条件为主创点播，优先采用所述正向排序列表中预定数量的当前主创的与正反馈标签相同的热点多媒体更新所述当前播放的多媒体列表中的后续多媒体。
13.根据权利要求11所述的装置，其中，所述多媒体列表更新单元进一步用于：
响应于所述负反馈为对多媒体的负反馈且所述前置条件为随机播放或多媒体点播，采用所述负向排序列表中预定数量的热点多媒体更新所述当前播放的多媒体列表中的当前多媒体和后续多媒体，并从当前播放的多媒体列表中删除被负反馈命中的多媒体；
响应于所述负反馈为对多媒体的标签的负反馈且所述前置条件为随机播放或标签点播，采用所述负向排序列表中预定数量的标签与负反馈标签不同的热点多媒体更新所述当前播放的多媒体列表中的当前多媒体和后续多媒体，从所述当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
14.根据权利要求9-13任意一项所述的装置，其中，所述装置还包括：
多媒体列表修改单元，用于响应于用户意图指示修改所述当前播放的多媒体列表，基于语音反馈和前置条件，修改所述当前播放的多媒体列表；和/或
当前多媒体删除单元，用于响应于用户意图指示删除所述当前多媒体，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈命中的多媒体。
15.根据权利要求14所述的装置，其中，所述多媒体列表修改单元进一步用于：
响应于所述负反馈为对多媒体的主创的负反馈且所述前置条件为多媒体点播，采用多媒体库中预定数量的与负反馈多媒体同名的其他主创的热点多媒体修改所述当前播放的多媒体列表中的当前多媒体和后续多媒体，从所述当前播放的多媒体列表中删除被负反馈命中的多媒体；
响应于所述负反馈为对多媒体的主创的负反馈且所述前置条件为随机播放或主创点播，采用多媒体库中预定数量的主创为非负反馈主创的热点多媒体修改所述当前播放的多媒体列表中的当前多媒体和后续多媒体，并从所述当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；
响应于所述负反馈为对多媒体的标签的负反馈且所述前置条件为主创点播，采用多媒体库中预定数量的当前主创的标签与负反馈标签不同的热点多媒体修改所述当前播放的多媒体列表中的当前多媒体和后续多媒体，从所述当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
16.根据权利要求14所述的装置，其中，所述当前多媒体删除单元进一步用于：
响应于所述语音反馈为对多媒体的负反馈且所述前置条件为主创点播、标签点播或兴趣列表点播，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈命中的多媒体；
响应于所述语音反馈为对多媒体的主创的负反馈且所述前置条件为标签点播或兴趣列表点播，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈的主创命中的多媒体；
响应于所述语音反馈为对多媒体的标签的负反馈且所述前置条件为多媒体点播或兴趣列表点播，切换至下一条多媒体并从所述当前播放的多媒体列表中删除被负反馈的标签命中的多媒体。
17.一种设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任意一项所述的一种基于喜好反馈的智能播放方法。
18.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-8中任意一项所述的一种基于喜好反馈的智能播放方法。
CN201711135727.0A 2017-11-16 2017-11-16 一种基于喜好反馈的智能播放方法和装置 Active CN107918653B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201711135727.0A CN107918653B (zh) 2017-11-16 2017-11-16 一种基于喜好反馈的智能播放方法和装置
US15/856,704 US11017010B2 (en) 2017-11-16 2017-12-28 Intelligent playing method and apparatus based on preference feedback

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711135727.0A CN107918653B (zh) 2017-11-16 2017-11-16 一种基于喜好反馈的智能播放方法和装置

Publications (2)

Publication Number Publication Date
CN107918653A CN107918653A (zh) 2018-04-17
CN107918653B true CN107918653B (zh) 2022-02-22

Family

ID=61896403

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711135727.0A Active CN107918653B (zh) 2017-11-16 2017-11-16 一种基于喜好反馈的智能播放方法和装置

Country Status (2)

Country Link
US (1) US11017010B2 (zh)
CN (1) CN107918653B (zh)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109343696B (zh) * 2018-08-21 2022-03-25 咪咕数字传媒有限公司 一种电子书的评论方法、装置及计算机可读存储介质
CN109284386A (zh) * 2018-10-15 2019-01-29 四川长虹电器股份有限公司 可定制的意图识别方法及装置
CN109698858A (zh) * 2018-11-01 2019-04-30 百度在线网络技术（北京）有限公司 用于智能设备的资源推送方法、设备和存储介质
CN109446350B (zh) * 2018-11-09 2022-03-15 腾讯音乐娱乐科技（深圳）有限公司 多媒体播放方法、装置、终端及存储介质
CN109299318A (zh) * 2018-11-13 2019-02-01 百度在线网络技术（北京）有限公司 音乐推荐的方法、装置、存储介质和终端设备
CN109726310A (zh) * 2018-11-15 2019-05-07 量子云未来（北京）信息科技有限公司 一种推荐音乐曲目的确定方法、装置和存储介质
US11853863B2 (en) 2019-08-12 2023-12-26 Micron Technology, Inc. Predictive maintenance of automotive tires
US11586943B2 (en) 2019-08-12 2023-02-21 Micron Technology, Inc. Storage and access of neural network inputs in automotive predictive maintenance
US11775816B2 (en) 2019-08-12 2023-10-03 Micron Technology, Inc. Storage and access of neural network outputs in automotive predictive maintenance
US11586194B2 (en) 2019-08-12 2023-02-21 Micron Technology, Inc. Storage and access of neural network models of automotive predictive maintenance
US11635893B2 (en) 2019-08-12 2023-04-25 Micron Technology, Inc. Communications between processors and storage devices in automotive predictive maintenance implemented via artificial neural networks
US11748626B2 (en) 2019-08-12 2023-09-05 Micron Technology, Inc. Storage devices with neural network accelerators for automotive predictive maintenance
CN110472073A (zh) * 2019-08-20 2019-11-19 深圳传音控股股份有限公司 随机播放方法、装置及计算机可读存储介质
US10993647B2 (en) 2019-08-21 2021-05-04 Micron Technology, Inc. Drowsiness detection for vehicle control
US11361552B2 (en) 2019-08-21 2022-06-14 Micron Technology, Inc. Security operations of parked vehicles
US11702086B2 (en) 2019-08-21 2023-07-18 Micron Technology, Inc. Intelligent recording of errant vehicle behaviors
US11042350B2 (en) * 2019-08-21 2021-06-22 Micron Technology, Inc. Intelligent audio control in vehicles
US11498388B2 (en) 2019-08-21 2022-11-15 Micron Technology, Inc. Intelligent climate control in vehicles
US11409654B2 (en) 2019-09-05 2022-08-09 Micron Technology, Inc. Intelligent optimization of caching operations in a data storage device
US11436076B2 (en) 2019-09-05 2022-09-06 Micron Technology, Inc. Predictive management of failing portions in a data storage device
US11693562B2 (en) 2019-09-05 2023-07-04 Micron Technology, Inc. Bandwidth optimization for different types of operations scheduled in a data storage device
US11435946B2 (en) 2019-09-05 2022-09-06 Micron Technology, Inc. Intelligent wear leveling with reduced write-amplification for data storage devices configured on autonomous vehicles
US11650746B2 (en) 2019-09-05 2023-05-16 Micron Technology, Inc. Intelligent write-amplification reduction for data storage devices configured on autonomous vehicles
CN112786022B (zh) * 2019-11-11 2023-04-07 青岛海信移动通信技术股份有限公司 终端、第一语音服务器、第二语音服务器及语音识别方法
US11250648B2 (en) 2019-12-18 2022-02-15 Micron Technology, Inc. Predictive maintenance of automotive transmission
US11709625B2 (en) 2020-02-14 2023-07-25 Micron Technology, Inc. Optimization of power usage of data storage devices
US11531339B2 (en) 2020-02-14 2022-12-20 Micron Technology, Inc. Monitoring of drive by wire sensors in vehicles
CN111581333B (zh) * 2020-05-07 2023-05-26 重庆大学 基于Text-CNN的影音播单推送方法及影音播单推送系统
CN112463108B (zh) * 2020-12-14 2023-03-31 美的集团股份有限公司 语音交互处理方法、装置、电子设备及存储介质
CN113742513B (zh) * 2021-08-09 2023-08-15 咪咕互动娱乐有限公司 歌单调整方法、装置、设备以及计算机可读存储介质
CN114999534A (zh) * 2022-06-10 2022-09-02 中国第一汽车股份有限公司 一种车载音乐的播放控制方法、装置、设备和存储介质
CN115618101A (zh) * 2022-09-21 2023-01-17 清华大学 基于负反馈的流媒体内容推荐方法、装置及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951077A (zh) * 2015-06-24 2015-09-30 百度在线网络技术（北京）有限公司 基于人工智能的人机交互方法、装置和终端设备
CN106250533A (zh) * 2016-08-05 2016-12-21 北京光年无限科技有限公司 一种面向智能机器人的富媒体播放数据处理方法和装置
CN107221323A (zh) * 2017-06-05 2017-09-29 北京智能管家科技有限公司 语音点歌方法、终端及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030236695A1 (en) * 2002-06-21 2003-12-25 Litwin Louis Robert Method for media popularity determination by a media playback device
US20080065693A1 (en) * 2006-09-11 2008-03-13 Bellsouth Intellectual Property Corporation Presenting and linking segments of tagged media files in a media services network
US20130031162A1 (en) * 2011-07-29 2013-01-31 Myxer, Inc. Systems and methods for media selection based on social metadata
WO2014121086A2 (en) * 2013-01-31 2014-08-07 Matt O'malley System and method for dynamic criteria, request-lists, event-lists, and playlists
US20160232451A1 (en) * 2015-02-09 2016-08-11 Velocee Ltd. Systems and methods for managing audio content
US10049663B2 (en) * 2016-06-08 2018-08-14 Apple, Inc. Intelligent automated assistant for media exploration

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104951077A (zh) * 2015-06-24 2015-09-30 百度在线网络技术（北京）有限公司 基于人工智能的人机交互方法、装置和终端设备
CN106250533A (zh) * 2016-08-05 2016-12-21 北京光年无限科技有限公司 一种面向智能机器人的富媒体播放数据处理方法和装置
CN107221323A (zh) * 2017-06-05 2017-09-29 北京智能管家科技有限公司 语音点歌方法、终端及存储介质

Also Published As

Publication number Publication date
US20190147051A1 (en) 2019-05-16
CN107918653A (zh) 2018-04-17
US11017010B2 (en) 2021-05-25

Similar Documents

Publication Publication Date Title
CN107918653B (zh) 一种基于喜好反馈的智能播放方法和装置
CN107871500B (zh) 一种播放多媒体的方法和装置
CN109165302B (zh) 多媒体文件推荐方法及装置
US20180121547A1 (en) Systems and methods for providing information discovery and retrieval
CN107895016B (zh) 一种播放多媒体的方法和装置
US20140255003A1 (en) Surfacing information about items mentioned or presented in a film in association with viewing the film
JP2019091417A (ja) 音声サービス提供方法および装置
CN109844708A (zh) 通过聊天机器人推荐媒体内容
US11636835B2 (en) Spoken words analyzer
US20140164371A1 (en) Extraction of media portions in association with correlated input
US20200394213A1 (en) Systems, Methods and Computer Program Products for Associating Media Content Having Different Modalities
US9286943B2 (en) Enhancing karaoke systems utilizing audience sentiment feedback and audio watermarking
CN107145509B (zh) 一种信息搜索方法及其设备
US11609738B1 (en) Audio segment recommendation
US20220147558A1 (en) Methods and systems for automatically matching audio content with visual input
CN110619673B (zh) 有声动图生成、播放方法、数据处理方法、系统及设备
CN113407775B (zh) 视频搜索方法、装置及电子设备
CN114503100A (zh) 将情绪相关元数据标注到多媒体文件的方法和装置
US20200302933A1 (en) Generation of audio stories from text-based media
CN111259181B (zh) 用于展示信息、提供信息的方法和设备
US11886486B2 (en) Apparatus, systems and methods for providing segues to contextualize media content
CN113946712A (zh) 片段推荐方法、片段推荐装置、电子设备和可读存储介质
AU2021250903A1 (en) Methods and systems for automatically matching audio content with visual input
CN113569064A (zh) 多媒体列表的名称生成方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210518

Address after: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant after: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

Applicant after: Shanghai Xiaodu Technology Co.,Ltd.

Address before: 100085 Baidu Building, 10 Shangdi Tenth Street, Haidian District, Beijing

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant