CN107908701A

CN107908701A - 音乐推荐的方法、装置、存储介质及终端设备

Info

Publication number: CN107908701A
Application number: CN201711078689.XA
Authority: CN
Inventors: 陈岩
Original assignee: Guangdong Oppo Mobile Telecommunications Corp Ltd
Current assignee: Guangdong Oppo Mobile Telecommunications Corp Ltd
Priority date: 2017-11-06
Filing date: 2017-11-06
Publication date: 2018-04-13

Abstract

本申请实施例公开了一种音乐推荐的方法、装置、存储介质及终端设备。该方法包括：获取样本音乐的特征信息数据集合，以及获取用户对所述样本音乐的喜好程度数据；将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练；将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据；根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。本申请所提供的技术方案，可以实现优化音乐推荐方式的效果。

Description

音乐推荐的方法、装置、存储介质及终端设备

技术领域

本申请实施例涉及计算机领域，尤其涉及一种音乐推荐的方法、装置、存储介质及终端设备。

背景技术

终端设备逐步步入智能化，给人们的生活带来了诸多便利，其中，通过诸如手机等终端设备听音乐已成为客户青睐的功能之一。

然而，现有的音乐推荐模式过于单调，如按照音乐发布时间，用户收听热度，以及按照情感进行分类等，很难满足用户对于音乐的多维度需求。目前音乐的推荐给用户带来了体验不佳，需要改进。

发明内容

本申请实施例提供一种音乐推荐的方法、装置、存储介质及终端设备，可以实现优化音乐推荐的方式的效果。

第一方面，本申请实施例提供了一种音乐推荐的方法，该方法包括：

获取样本音乐的特征信息数据集合，以及获取用户对所述样本音乐的喜好程度数据；

将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练；

将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据；

根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。

第二方面，本申请实施例提供了一种音乐推荐的装置，该装置包括：

样本数据获取模块，用于获取样本音乐的特征信息数据集合，以及获取用户对所述样本音乐的喜好程度数据；

用户喜好模型训练模块，用于将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练；

喜好程度数据输出模块，用于将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据；

音乐推荐模块，用于根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。

第三方面，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，该程序被处理器执行时实现如本申请实施例所述的音乐推荐的方法。

第四方面，本申请实施例提供了一种终端设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，所述处理器执行所述计算机程序时实现如本申请实施例所述的音乐推荐的方法。

本申请实施例所提供的技术方案，通过获取样本音乐的特征信息数据集合，以及获取用户对所述样本音乐的喜好程度数据；将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练；将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据；再根据输出的喜好程度数据，进行音乐推荐。通过采用本申请所提供的技术方案，可以实现优化音乐推荐方式的效果。

附图说明

图1为本申请实施例提供的一种音乐推荐的方法的流程示意图；

图2为本申请实施例提供的另一种音乐推荐的方法的流程示意图；

图3为本申请实施例提供的另一种音乐推荐的方法的流程示意图；

图4为本申请实施例提供的另一种音乐推荐的方法的流程示意图；

图5为本申请实施例提供的一种音乐推荐的装置的结构框图；

图6为本申请实施例提供的一种终端设备的结构示意图。

具体实施方式

下面结合附图并通过具体实施方式来进一步说明本申请的技术方案。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

图1为本申请实施例提供的一种音乐推荐的方法的流程示意图，该方法可以由音乐推荐的装置执行，其中该装置可由软件和/或硬件实现，一般可集成在终端设备中。如图1所示，该方法包括：

S101、获取样本音乐的特征信息数据集合，以及获取用户对所述样本音乐的喜好程度数据。

其中，样本音乐可以是用户所使用的终端设备的本地音乐，也可以是用户通过账号登录或者通过终端设备试听的在线音乐。如用户通过账号在另一台终端设备上登录并试听了一些歌曲，则可以在用户登录当前终端设备中将试听记录获取到包括曲目以及试听时长等信息，并作为样本音乐。

音乐的特征信息数据集合可以是表征该音乐的一些特性信息的集合，如演唱者，音乐名称等。

在本申请实施例中，可选的，所述特征信息数据包括显性特征信息数据和隐性特征信息数据；所述显性特征信息数据包括：音乐名称、音乐所属专辑名称、音乐类型、词作者、曲作者以及演唱者中的至少一种；所述隐性特征信息数据包括：伴奏乐器、音乐节拍、演唱者的音色以及演唱者音域中的至少一种。

其中，可以通过获取音频数据后，识别音频数据的头文件或者获取音乐的标注信息等方式确定音频数据的显性特征信息数据，音乐名称、音乐所属专辑名称、音乐类型、词作者、曲作者以及演唱者等信息，如当前获取到的音乐为某个钢琴曲的音频数据，则可以获取到音乐名称、作者、演奏者以及上线时间等。如当前获取到的音乐为某个流行歌曲，则可以获取到音乐名称、专辑名称(若有)、音乐类型、词作者、曲作者以及演唱者等信息，其中，音乐类型可以是通过音乐所包括的情感类型确定的，如伤感型、动感型等，还可以是根据获取音乐被标注的风格确定的，如摇滚、流行等。隐性特征信息数据的确定可以是通过对音乐的音频数据进行解析，分析出其中的人声元素和伴奏元素等，再根据伴奏元素中的一些特点，确定伴奏乐器、节拍等，可以通过识别人声元素的频谱确定演唱者的演唱音域，并识别人声元素的声音特点确定演唱者的音色等。

在获取到样本音乐的特征信息数据集合同时或者之后，获取用户对所述样本音乐的喜好程度数据。其中，喜好程度数据可以是表征用户对所述样本音乐的喜欢或者不喜欢以及喜好程度的多少的评价的数据，如用户对音乐的打分、收藏以及下载等，可以表征用户是否喜欢样本音乐以及喜欢程度。本申请实施例不限于采用上述方式，如还可以根据用户是否在某个样本音乐播放的过程中，在关注终端设备的音乐播放软件，具体可以通过检测终端设备的进程数据来确定。

S102、将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练。

其中，可以利用机器学习手段，得到一个关于样本音乐的特征信息数据集合与喜好程度数据的用户喜好模型。相应的，可以利用神经网络训练中的循环神经网络进行学习，这样设置的好处是根据神经网络本身特点以及使用方式，当对训练样本以及训练结果进行改进时，一般涉及的是其中某个函数的变化、某个节点连接关系的调整、在不同场景下可以随意变更所选择的神经网络类型，使得处理方式更加灵活，也可以适应开发人员在模型训练的基础上的进一步改进。

其中，可以将预设数目的样本音乐的特征信息数据集合以及喜好程度数据作为输入数据，输出数据可以是用户对于不同特征信息数据的喜好标签，如对演唱者A的喜欢程度为a，对演唱者B的喜欢程度为b。除了对于演唱者这个维度外，还可以对其他维度进行训练。例如，用户对含有伴奏乐器钢琴的喜好程度高于其他伴奏乐器时，则可以在输出的结果上得以体现。

S103、将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据。

其中，待推荐音乐可以是终端设备检测到用户进入到音乐推荐页面时，获取到原音乐推荐页面的一些音乐的信息，并根据这些音乐的信息确定这些音乐的特征信息数据。例如，可以在获取到音频数据之后，采用上述方式获取到音乐的显性特征信息数据和隐性特征信息数据，也可以是通过在服务器或者其他终端设备对待推荐音乐进行分析后，得到的结果对待推荐音乐标注标签信息。这样就可以像获取显性特征信息数据一样简单的获取到音乐的特征信息数据，从而加快本申请的音乐推荐的方法的识别速度和适用程度。

将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以得到所述待推荐音乐的喜好程度数据，其中，喜好程度可以用类似于分数的标识方法，如对某新上线音乐的喜好程度数据可以是60分，而对于某一首老歌的喜好程度数据可以是75分。

S104、根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。

结合上述示例，可以根据喜好程度数据的分数的多少，对待推荐音乐重新按照分数由高到低的方式进行排列，并按照重新排序后的顺序进行推荐。其中，推荐过程中也可以把音乐的热度以及上线时间作为参考因素，综合各项数据之后再对其进行排列并输出推荐列表。

在上述技术方案的基础上，可选的，获取用户对所述样本音乐的喜好程度数据包括：获取用户对所述样本音乐播放过程的操作数据；根据所述操作数据，确定所述样本音乐的喜好程度权值。其中，操作数据可以是能够体现出用户是否喜爱当前播放音乐的显示操作数据，如点赞、好评、差评以及打分等。也可以是其他的能够反映出用户是否喜爱当前播放音乐的隐式数据，如切换以及重听等。喜好程度权值可以是二分量值，如不喜欢则为0，喜欢则为1，还可以是从0到1的递进值，如从0，0.1,0.2，……，0.9，1.0之间分别表示从不喜欢到比较喜欢，再到非常喜欢的喜好程度递进过程。如可以通过用户在歌曲播放过程中的点赞以及好评，确定用户非常喜欢当前播放的音乐。在上述技术方案的基础上，提供了根据用户的操作数据确定用户对样本音乐的喜好程度权值的方法，可以通过显示或者隐式的操作数据中对用户喜好的音乐类型进行掌握，作为后续处理过程中的数据基础，使得计算结果更为准确，更符合用户的个人喜好。

图2为本申请实施例提供的另一种音乐推荐的方法的流程示意图，如图2所示，该方法包括：

S201、获取样本音乐的特征信息数据集合。

S202、获取用户对所述样本音乐播放过程的操作数据。

S203、确定用户对所述样本音乐播放过程的操作数据所属的操作类型；并执行S204和S205。

其中，不同的操作数据可以对应不同的操作类型，操作类型主要可以是与操作数据中的具体操作动作作为判断依据，如用户点击“下一首”按键是一种操作类型，用户通过拖动歌曲播放过程中的进度条进行快进或者快退可以是与点击“下一首”按键为同一种操作类型，而点击音乐播放顺序由单曲循环切换至其它播放顺序以及由其它播放顺序切换至单曲循环为另一种操作类型。

值得说明的是，在本申请实施例中，S204和S205之间可以是两个步骤都进行，也可以是只进行其中一个步骤，但是为了表述简单，避免过于冗长，在图2中仅示出了两个步骤都进行的情形。

S204、当所述操作类型为涉及时间操作类型时，所述操作数据包括获取操作动作定义以及所述操作动作发生时间在当前样本音乐的时长占比；并执行S206。

其中，涉及时间操作类型，可以包括点击“下一首”按键以及拖动歌曲播放过程中的进度条，以点击“下一首”按键为例，操作数据包括了切换歌曲的定义以及切换时当前歌曲播放至的时间点与当前歌曲的全部时长的占比。其中，如果切换歌曲发生在歌曲时长的1/4或者1/3之前时，则表明用户对当前歌曲的喜好程度比较低，如果切换歌曲发生在歌曲时长的3/4或者4/5之后，则表明用户对当前歌曲的喜好程度比较高，相应的，可以根据切换动作所发生的时间点占整个歌曲的时长确定用户对当前播放的歌曲的喜好程度。同理，拖动进度条快退则表示用户喜欢重复听取重复时间段的内容，重复时间段越长，则表示用户越喜欢，如果用户拖动进度条进行快进操作，则快进的时间段越长，则表示用户越不喜欢当前播放的歌曲。

S205、当所述操作类型为涉及模式操作类型时，所述操作数据包括获取操作动作引发的音乐播放模式变换方式。

其中，涉及模式操作类型包括由单曲循环切换至其它播放顺序以及由其它播放顺序切换至单曲循环。如当用户采用随机播放顺序的模式切换至单曲循环模式时，则表明用户对当前播放的歌曲非常喜欢。

S206、根据获取操作动作定义以及所述操作动作发生时间在当前样本音乐的时长占比，和操作动作引发的音乐播放模式变换方式，确定所述样本音乐的喜好程度权值。

通过采用上述两种方式中的一种或者结合两种方式，都可以确定用户对所述样本音乐的喜好程度。

S207、将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练。

S208、将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据。

S209、根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。

本技术方案在上述各技术方案的基础上，提供了通过用户的操作数据确定用户对样本音乐的喜好程度数据的具体实现方式，可以在没有用户直接打分或者点赞等数据的情况下，确定用户对当前播放的样本音乐的喜好程度，为模型的训练提供数据基础，并且适用于绝大多数的用户，所述是的本申请所提供的技术方案得到的音乐推荐结果更符合用户的个人喜好。

图3为本申请实施例提供的另一种音乐推荐的方法的流程示意图，如图3所示，该方法包括：

S301、获取样本音乐的特征信息数据集合。

S302、获取用户对所述样本音乐播放过程的操作数据。

S303、根据所述操作数据，确定所述样本音乐的喜好程度权值。

S304、根据样本音乐的喜好程度权值，确定喜好程度权值低于第一设定阈值的负样本音乐集合；并根据样本音乐的喜好程度权值，确定喜好程度权值高于第二设定阈值的正样本音乐集合。

在得到样本音乐的喜好程度权值之后，可以根据该权值的大小，分别确定正样本集合和负样本集合。具体的，确定喜好程度权值低于第一设定阈值的负样本音乐集合，确定喜好程度权值高于第二设定阈值的正样本音乐集合。其中，第一设定阈值与第二设定阈值可以相同，也可以不同，可以第一设定阈值小于第二设定阈值，也可以第一设定阈值大于第二设定阈值。负样本音乐集合可以是用户表现为不喜欢的样本集合，正样本音乐集合可以是用户表现为喜欢的样本集合。

确定正样本音乐集合和负样本音乐集合之后，在模型训练过程中，如果需要，还可以通过调节正负样本比例使得模型训练的效果更好，更能够突显出用户喜欢和不喜欢音乐的差别，从而达到更加令用户满意的推荐效果。

S305、将所述正样本音乐集合和负样本音乐集合的特征信息数据集合，输入用户喜好模型进行训练。

在确定正样本音乐集合和负样本音乐集合之后，可以分别提取其中音乐的特征信息数据集合，并输入到用户喜好模型进行训练。

S306、将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据。

S307、根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。

本技术方案在上述各技术方案的基础上，还提供了对于确定喜好程度权值的样本音乐集合中，划分正样本音乐集合和负样本音乐集合，再从两个集合中分别提取特征信息数据集合，并输入模型进行训练，可以为模型的训练提供更加好的数据基础，使得模型的训练更加准确，利用模型推荐音乐时更加符合用户的个人喜好。

图4为本申请实施例提供的另一种音乐推荐的方法的流程示意图，如图4所示，该方法包括：

S401、获取样本音乐的特征信息数据集合，以及获取用户对所述样本音乐的喜好程度数据。

S402、将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练。

S403、将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据。

S404、根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。

S405、获取用户在音乐推荐结果中的点选音乐操作。

其中，音乐推荐结果往往是经过筛选并为用户推荐的音乐列表。在音乐列表中，会显示音乐名称、专辑名称、演唱者等信息，或者如果音乐是轻音乐，还会显示轻音乐的作者等信息。用户点选音乐的操作，可以通过终端设备中检测用户的点击操作以及显示屏对应点击位置的显示内容以及链接的方式，确定用户的点选操作。

S406、获取被点选音乐的显性特征信息数据。

其中，所述显性特征信息数据包括：音乐名称、音乐所属专辑名称、音乐类型、词作者、曲作者以及演唱者中的至少一种。

S407、将所述被点选音乐的显性特征信息数据输入所述用户喜好模型，对所述用户喜好模型进行更新。

当检测到用户通过点选的方式确定播放该音乐后，可以获取到该音乐的显性特征信息数据，并且能够确定用户对该音乐的显性特征信息数据是感兴趣的。通过将该显性特征信息数据输入到用户喜好模型，可以对该模型中，与之对应的显性特征信息数据的音乐类型的参数进行修改，从而提高根据该显性特征信息数据得到的音乐类型的喜好程度数据。

本技术方案在上述各技术方案的基础上，还提供了根据用户在推荐页的点选操作，进行模型改进的技术方案，在已经得到的模型的基础上，做了进一步的改进，进而实现提高音乐推荐结果的用户接受度，进而还可以提高被推荐音乐的播放转化率以及下载转化率。

在上述各技术方案的基础上，可选的，所述音乐推荐的方法还包括：获取用户对所述被点选音乐播放过程的操作数据；根据所述操作数据，确定用户对所述被点选音乐的喜好程度权值；获取所述被点选音乐的特征数据，并根据用户的喜好程度权值，对所述用户喜好模型进行更新。这样设置的好处是可以根据用户对被点选音乐的操作数据确定用户对被点选音乐的喜好程度权值，进一步的，可以根据该喜好程度权值对用户喜好模型进行更新，进而实现了不断对用户喜好模型进行优化，以保证随着时间的变化，不管用户所喜好的音乐类型是否变化，都能够为用户推荐符合用户个人喜好的音乐类型，提高了用户听音乐过程中的使用体验。

图5为本申请实施例提供的一种音乐推荐的装置的结构框图，该装置可由软件和/或硬件实现，一般集成在终端设备中，可通过执行音乐推荐的方法来对终端设备的音量进行调节。如图5所示，该装置包括：

样本数据获取模块501，用于获取样本音乐的特征信息数据集合，以及获取用户对所述样本音乐的喜好程度数据；

用户喜好模型训练模块502，用于将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练；

喜好程度数据输出模块503，用于将待推荐音乐的特征信息数据集合输入所述用户喜好模型，以输出所述待推荐音乐的喜好程度数据；

音乐推荐模块504，用于根据所述用户喜好模型输出的喜好程度数据，进行音乐推荐。

在上述技术方案的基础上，可选的，所述样本数据获取模块501包括：

操作数据获取单元，用于获取用户对所述样本音乐播放过程的操作数据；

喜好程度权值确定单元，用于根据所述操作数据，确定所述样本音乐的喜好程度权值。

在上述技术方案的基础上，可选的，所述喜好程度权值确定单元，具体用于：

确定用户对所述样本音乐播放过程的操作数据所属的操作类型；

当所述操作类型为涉及时间操作类型时，所述操作数据包括获取操作动作定义以及所述操作动作发生时间在当前样本音乐的时长占比；

当所述操作类型为涉及模式操作类型时，所述操作数据包括获取操作动作引发的音乐播放模式变换方式；

根据获取操作动作定义以及所述操作动作发生时间在当前样本音乐的时长占比，和/或操作动作引发的音乐播放模式变换方式，确定所述样本音乐的喜好程度权值。

在上述技术方案的基础上，可选的，所述用户喜好模型训练模块502，包括：

负样本音乐集合确定单元，用于根据样本音乐的喜好程度权值，确定喜好程度权值低于第一设定阈值的负样本音乐集合；

正样本音乐集合确定单元，用于根据样本音乐的喜好程度权值，确定喜好程度权值高于第二设定阈值的正样本音乐集合；

模型训练单元，用于将所述正样本音乐集合和负样本音乐集合的特征信息数据集合，输入用户喜好模型进行训练。

在上述技术方案的基础上，可选的，还包括模型更新模块，具体用于：

获取用户在音乐推荐结果中的点选音乐操作；

获取被点选音乐的显性特征信息数据；

将所述被点选音乐的显性特征信息数据输入所述用户喜好模型，对所述用户喜好模型进行更新。

在上述技术方案的基础上，可选的，还包括模型更新模块，还具体用于：

获取用户对所述被点选音乐播放过程的操作数据；

根据所述操作数据，确定用户对所述被点选音乐的喜好程度权值；

获取所述被点选音乐的特征数据，并根据用户的喜好程度权值，对所述用户喜好模型进行更新。

在上述技术方案的基础上，可选的，

所述特征信息数据包括显性特征信息数据和隐性特征信息数据；

所述显性特征信息数据包括：音乐名称、音乐所属专辑名称、音乐类型、词作者、曲作者、以及演唱者中的至少一种；

所述隐性特征信息数据包括：伴奏乐器、音乐节拍、演唱者的音色、以及演唱者音域中的至少一种。

上述装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。

本申请实施例还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种音乐推荐的方法，该方法包括：

存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括：安装介质，例如CD-ROM、软盘或磁带装置；计算机系统存储器或随机存取存储器，诸如DRAM、DDR RAM、SRAM、EDO RAM，兰巴斯(Rambus)RAM等；非易失性存储器，诸如闪存、磁介质(例如硬盘或光存储)；寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外，存储介质可以位于程序在其中被执行的计算机系统中，或者可以位于不同的第二计算机系统中，第二计算机系统通过网络(诸如因特网)连接到计算机系统。第二计算机系统可以提供程序指令给计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。

当然，本申请实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的音乐推荐的操作，还可以执行本申请任意实施例所提供的音乐推荐的方法中的相关操作。

本申请实施例提供了一种终端设备，该终端设备中可集成本申请实施例提供的音乐推荐的装置。图6为本申请实施例提供的一种终端设备的结构示意图。如图6所示，该终端设备可以包括：存储器601、中央处理器(Central Processing Unit，CPU)602(又称处理器，以下简称CPU)、电路板(图中未示出)和电源电路(图中未示出)。所述电路板安置在所述壳体围成的空间内部；所述CPU602和所述存储器601设置在所述电路板上；所述电源电路，用于为所述终端设备的各个电路或器件供电；所述存储器601，用于存储可执行程序代码；所述CPU602通过读取所述存储器601中存储的可执行程序代码来运行与所述可执行程序代码对应的计算机程序，以实现以下步骤：

所述终端设备还包括：外设接口603、RF(Radio Frequency，射频)电路605、音频电路606、扬声器611、电源管理芯片608、输入/输出(I/O)子系统609、触摸屏612、其他输入/控制设备610以及外部端口604，这些部件通过一个或多个通信总线或信号线607来通信。

应该理解的是，图示终端设备600仅仅是终端设备的一个范例，并且终端设备600可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。

下面就本实施例提供的用于音乐推荐的终端设备进行详细的描述，该终端设备以手机为例。

存储器601，所述存储器601可以被CPU602、外设接口603等访问，所述存储器601可以包括高速随机存取存储器，还可以包括非易失性存储器，例如一个或多个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

外设接口603，所述外设接口603可以将设备的输入和输出外设连接到CPU602和存储器601。

I/O子系统609，所述I/O子系统609可以将设备上的输入输出外设，例如触摸屏612和其他输入/控制设备610，连接到外设接口603。I/O子系统609可以包括显示控制器6091和用于控制其他输入/控制设备610的一个或多个输入控制器6092。其中，一个或多个输入控制器6092从其他输入/控制设备610接收电信号或者向其他输入/控制设备610发送电信号，其他输入/控制设备610可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器6092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。

触摸屏612，所述触摸屏612是用户终端设备与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。

I/O子系统609中的显示控制器6091从触摸屏612接收电信号或者向触摸屏612发送电信号。触摸屏612检测触摸屏上的接触，显示控制器6091将检测到的接触转换为与显示在触摸屏612上的用户界面对象的交互，即实现人机交互，显示在触摸屏612上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。

RF电路605，主要用于建立手机与无线网络(即网络侧)的通信，实现手机与无线网络的数据接收和发送。例如收发短信息、电子邮件等。具体地，RF电路605接收并发送RF信号，RF信号也称为电磁信号，RF电路605将电信号转换为电磁信号或将电磁信号转换为电信号，并且通过该电磁信号与通信网络以及其他设备进行通信。RF电路605可以包括用于执行这些功能的已知电路，其包括但不限于天线系统、RF收发机、一个或多个放大器、调谐器、一个或多个振荡器、数字信号处理器、CODEC(COder-DECoder，编译码器)芯片组、用户标识模块(Subscriber Identity Module，SIM)等等。

音频电路606，主要用于从外设接口603接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器611。

扬声器611，用于将手机通过RF电路605从无线网络接收的语音信号，还原为声音并向用户播放该声音。

电源管理芯片608，用于为CPU602、I/O子系统及外设接口所连接的硬件进行供电及电源管理。

本申请实施例提供的终端设备，可以实现优化音乐推荐的方式的效果。

上述实施例中提供的音乐推荐的装置、存储介质及终端设备可执行本申请任意实施例所提供的音乐推荐的方法，具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节，可参见本申请任意实施例所提供的音乐推荐的方法。

注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。

Claims

1.一种音乐推荐的方法，其特征在于，包括：

2.根据权利要求1所述的音乐推荐的方法，其特征在于，获取用户对所述样本音乐的喜好程度数据包括：

获取用户对所述样本音乐播放过程的操作数据；

根据所述操作数据，确定所述样本音乐的喜好程度权值。

3.根据权利要求2所述的音乐推荐的方法，其特征在于，根据所述操作数据，确定所述样本音乐的喜好程度权值，包括：

4.根据权利要求2所述的音乐推荐的方法，其特征在于，将所述样本音乐的特征信息数据集合以及喜好程度数据，输入用户喜好模型进行训练，包括：

根据样本音乐的喜好程度权值，确定喜好程度权值低于第一设定阈值的负样本音乐集合；

根据样本音乐的喜好程度权值，确定喜好程度权值高于第二设定阈值的正样本音乐集合；并

将所述正样本音乐集合和负样本音乐集合的特征信息数据集合，输入用户喜好模型进行训练。

5.根据权利要求1所述的音乐推荐的方法，其特征在于，在进行音乐推荐之后，还包括：

获取用户在音乐推荐结果中的点选音乐操作；

获取被点选音乐的显性特征信息数据；

6.根据权利要求5所述的音乐推荐的方法，其特征在于，还包括：

获取用户对所述被点选音乐播放过程的操作数据；

7.根据权利要求1-6任一项所述的音乐推荐的方法，其特征在于：

所述显性特征信息数据包括：音乐名称、音乐所属专辑名称、音乐类型、词作者、曲作者以及演唱者中的至少一种；

所述隐性特征信息数据包括：伴奏乐器、音乐节拍、演唱者的音色以及演唱者音域中的至少一种。

8.一种音乐推荐的装置，其特征在于，包括：

9.一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权利要求1-7中任一所述的音乐推荐的方法。

10.一种终端设备，包括存储器，处理器及存储在存储器上并可在处理器运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7中任一所述的音乐推荐的方法。