CN108153831A - 音乐添加方法及装置 - Google Patents

Abstract

本公开提供一种音乐添加方法和装置，所述方法包括：对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；根据所述特征词确定与所述目标文章匹配的目标音乐；将所述目标音乐中的至少一首音乐添加到所述目标文章中。本公开中对目标文章中的文章内容进行情感分析，获取用于表征文章情感的特征词，根据所述特征词确定与所述目标文章匹配的目标音乐，将所述目标音乐中的至少一首音乐添加到所述目标文章中，从而能够根据目标文章的文章情感向用户推荐适合的音乐。

Description

音乐添加方法及装置

技术领域

本公开涉及数据分析领域，尤其涉及音乐添加方法及装置。

背景技术

许多人在写博客时，希望为文章配上符合意境的音乐。添加音乐首先要查找合适的音乐，目前查找音乐的方式主要是用户用关键词搜索歌曲，或者通过系统推荐的最热歌手等方式查找歌曲。

使用关键字虽然能搜索出一些音乐，但是还需要用户筛选，步骤繁琐，费时费力。而根据系统推荐查找到的歌曲中可能会存在用户陌生的音乐，仅凭名字、关键字等难以判断准确，而一首首的试听费时费力，效率低。

发明内容

为克服相关技术中存在的问题，本公开提供了音乐添加方法及装置。

根据本公开实施例的第一方面，提供一种音乐添加方法，所述方法包括：

对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

根据所述特征词确定与所述目标文章匹配的目标音乐；

将所述目标音乐中的至少一首音乐添加到所述目标文章中。

可选的，所述对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词，包括：

从所述文章内容中提取至少一个情感词；

获取所述至少一个情感词各自的分值；

根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词。

可选的，所述从所述文章内容中提取至少一个情感词，包括：

对文本内容进行分析，获取用于表征文本情感的情感词；

对图片进行图像识别，获取用于表征图片情感的情感词。

可选的，所述对文本内容进行分析，获取用于表征文本情感的情感词，包括：

依照段落、句子、词汇的次序分解所述文本内容；

通过分词处理将所述文本内容拆分成词汇；

从所述词汇中提取至少一个情感词。

可选的，所述获取所述至少一个情感词各自的分值，包括：

对所述至少一个情感词进行情感分析得到所述至少一个情感词各自的分值。

可选的，所述获取所述至少一个情感词各自的分值，包括：

获取所述至少一个情感词前的程度词和否定词；

根据所述程度词对所述至少一个情感词赋予程度权值，根据所述否定词对所述至少一个情感词赋予反转权值；

综合所述程度权值及所述反转权值计算所述至少一个情感词各自的分值。

可选的，所述根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词，包括：

根据所述至少一个情感词分值的正负值大小，将所述情感词分为正向情感词和负向情感词；

根据分值大小提取正向情感词及负向情感词，确定用于表征文章情感的特征词。

可选的，所述根据所述特征词确定与所述目标文章匹配的目标音乐，包括：

通过将所述特征词与音乐的标签进行匹配，筛选候选音乐；

根据标签与所述特征词的相关度计算所述候选音乐的匹配分数，将匹配分数大于分数阈值的所述候选音乐作为所述目标音乐。

可选的，所述方法还包括：

当检测到对所述目标文章以网页形式进行分享的分享指令时，存储所述目标文章并生成统一资源定位符。

根据本公开实施例的第二方面，提供一种音乐添加装置，其特征在于，所述装置包括：

分析单元，用于对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

匹配单元，用于根据所述特征词确定与所述目标文章匹配的目标音乐；

添加单元，用于将所述目标音乐中的至少一首音乐添加到所述目标文章中。

根据本公开实施例的第三方面，提供一种音乐添加装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

根据所述特征词确定与所述目标文章匹配的目标音乐；

将所述目标音乐中的至少一首音乐添加到所述目标文章中。

根据本公开实施例的第四方面，提供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前任一项所述音乐添加方法的步骤。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开中对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词，根据所述特征词确定与所述目标文章匹配的目标音乐，将所述目标音乐中的至少一首音乐添加到所述目标文章中，从而能够根据目标文章的文章情感向用户推荐适合的音乐。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开一示例性实施例示出的一种音乐添加方法的流程图。

图2a是本公开一示例性实施例示出的一种音乐添加的呈现界面示意图。

图2b是本公开一示例性实施例示出的一种音乐添加的呈现界面示意图。

图2c是本公开一示例性实施例示出的一种音乐添加的呈现界面示意图。

图2d是本公开一示例性实施例示出的一种音乐添加的呈现界面示意图。

图3a是本公开一示例性实施例示出的另一种音乐添加方法的流程图。

图3b是本公开一示例性实施例示出的另一种音乐添加方法的流程图。

图4是本公开一示例性实施例示出的另一种音乐添加方法的流程图。

图5是本公开一示例性实施例示出的一种音乐添加的呈现界面示意图。

图6是本公开根据一示例性实施例示出的一种音乐添加装置的框图。

图7是本公开根据一示例性实施例示出的另一种音乐添加装置的框图。

图8是本公开根据一示例性实施例示出的另一种音乐添加装置的框图。

图9是本公开根据一示例性实施例示出的另一种音乐添加装置的框图。

图10是本公开根据一示例性实施例示出的另一种音乐添加装置的框图。

图11是本公开根据一示例性实施例示出的另一种音乐添加装置的框图。

图12是本公开根据一示例性实施例示出的另一种音乐添加装置的框图。

图13是本公开根据一示例性实施例示出的一种音乐添加装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，图1是本公开根据一示例性实施例示出的一种音乐添加方法的流程图，该方法可以用于终端中，该方法还可以用于服务器中，包括以下步骤：

在步骤110中，对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词。

本公开实施例中涉及的终端可以是各种智能终端，例如，智能手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)等。

终端中的备忘录应用、记事本应用、便签应用、博客应用等可以编辑文本和图片形成文章。例如，用户可以在终端的博客应用上编写自己的博文，或者在便签应用中编写文章。

如图2a所示，用户在便签应用中编写了文章，文章内容为“惆怅，悲伤，手机丢了”。通过对所述文本内章进行分析，即可获取到用于表征文章情感的特征词。

本公开一实施例中，可以通过文章内容中的情感词的分值确定能够表征文本情感的特征词。即步骤110可以包括：从所述文章内容中提取至少一个情感词；获取所述至少一个情感词各自的分值；根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词。

用户编写文章时，除了写入文本内容外，还可能添加与文本内容相关的图片等，以图文并茂的表达文章主题。所以，通常来说，文章中的图片对分析文章的情感基调也起到一定的作用。在其中一种实现方式中，对文章内容进行分析既可以包括文本内容进行分析，也可以包括对图片内容进行分析实现音乐添加的方法。即所述从所述文章内容中提取至少一个情感词的步骤可以包括：对文本内容进行分析，获取用于表征文本情感的情感词；对图片进行图像识别，获取用于表征图片情感的情感词。

目标文章中可能即存在文本内容又存在图片，因此，可以在对文本内容进行情感分析获取用于表征文本情感的特征词的同时，还对图片进行图像识别，识别图像内容，以提取表征图片内容的关键词。从而可以结合所述特征词和关键词共同描述目标文章的情感基调，以全面准确的查找与目标文章匹配的音乐添加到目标文章中。

如图2b所示，用户在目标文章中添加了文本内容“惆怅，非常不开心，手机丢了”，还添加了图片，图片表现的是一个小人流了很多眼泪。因此，根据文本内容可以获取到表征文本情感的第一特征词“不开心”，从图像内容中可以提取到第二特征词“眼泪”等。通过将所述标签与所述特征词“不开心”及“眼泪”进行匹配，确定所述目标音乐，并可以将所述目标音乐中的至少一首音乐添加到所述目标文章中。

虽然目前有很多文章是以文本内容表达用户情感的，但是，仍存在不少以图片表达情感的文章，例如，有些人会通过微博发表漫画故事等，博文中可能没有写文字，或者写的文本内容与漫画故事所表达的情感无关，因此，为了能查找到与目标文章情感基调匹配的音乐，对图片进行分析是很有必要的。

例如，目标文章的内容是一个长篇恐怖漫画，用户可能没有编写文本，或者编写的文本内容甚至是与漫画情感基调并不相符的“这个故事太好看了”等，而实际上与这个漫画意境相符的音乐可能是恐怖的纯音乐。因此，在匹配音乐时，应当全面考虑目标文章中的文本和图片，并可以结合文本与图片各自内容所占的比重、情感比重等综合考虑。

本公开实施例虽然是对目标文章的文本内容和图片均可以进行分析，但并不是所有的文章均有文本和图片，因此，可以理解的，在目标文章缺少文本或图片的情况下，本实施例所示方案仍可以执行。

本实施例对目标文章中的图片进行图像识别，识别图像内容，从所述图像内容中提取关键词，通过将标签与特征词及关键词进行匹配确定目标音乐，结合文本及图片综合分析文章情感，提高了对文章情感分析的准确性，进而提高音乐匹配的准确性。

从文本内容中获取情感词的方式也可以有多种，在其中一种实现方式中，可以通过分词处理的方式提取能够表征文章情感的情感词。即所述对文本内容进行分析，获取用于表征文本情感的情感词的步骤可以包括：通过分词处理将所述文本内容拆分成词汇，从所述词汇中提取至少一个情感词。

在另一种实现方式中，可以通过对文章进行拆解的方式提取能够表征文章情感的情感词。即从所述文章内容中提取至少一个情感词的步骤可以包括：依照段落、句子、词汇的次序分解所述文本内容；通过分词处理将所述文本内容拆分成词汇；从所述词汇中提取至少一个情感词。

获取所述至少一个情感词各自的分值的方式也可以有多种，在其中一种实现方式中，所述获取所述至少一个情感词各自的分值的步骤可以包括：对所述至少一个情感词进行情感分析得到所述至少一个情感词各自的分值。

在另一种实现方式中，所述获取所述至少一个情感词各自的分值的步骤可以包括：获取所述至少一个情感词前的程度词和否定词；根据所述程度词对所述至少一个情感词赋予程度权值，根据所述否定词对所述至少一个情感词赋予反转权值；综合所述程度权值及所述反转权值计算所述至少一个情感词各自的分值。

在获取情感词后，可以根据情感词各自的分值确定用于表征文章情感的特征词。即，所述根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词的步骤可以包括：根据所述至少一个情感词分值的正负值大小，将所述情感词分为正向情感词和负向情感词；根据分值大小提取正向情感词及负向情感词，确定用于表征文章情感的特征词。

以下举例说明，在其中一种实现方式中，可以通过分词处理的方式提取能够表征文本情感的特征词。例如，如图3a所示，步骤110可以包括：

在步骤311中，通过分词处理将所述文本内容拆分成词汇，从所述词汇中提取至少一个情感词；

在步骤312中，对所述至少一个情感词进行情感分析得到所述至少一个情感词各自的分值；

在步骤313中，根据所述至少一个情感词各自的分值大小，确定用于表征文本情感的特征词。

现阶段的情感分析方法主要有两类：基于词典的方法，基于机器学习的方法。基于词典的方法主要通过制定一系列的情感词典和规则，对文本进行段落拆借、句法分析，计算情感值，最后通过情感值来作为文本的情感倾向依据。

基于机器学习的方法大多将这个问题转化为一个分类问题来看待，对于情感极性的判断，将目标情感分类2类：正、负；对情感程度的分析则转化为回归问题看待。对训练文本进行人工标标注，然后进行有监督的机器学习过程。

在还没有获得大量文本的情况下，使用基于词典的方法或者简单的机器学习方法是一个不错的选择。获得大量文本后，可以尝试使用一些复杂的机器学习方法甚至使用深度学习来进一步提升分析效果。

基于词典的情感分析首先要构建情感词典及程度副词词典。通常是拉取一些比较成熟的情感词典。常见的如知网，台湾大学简体中文情感极性词典。将几个词典组合后再针对需要添加领域内的一些词基本达到较满意的分析效果。

如图2a所示，目标文章的文章内容为“惆怅，悲伤，手机丢了”。将该文章内容进行分词处理，得到“惆怅”、“悲伤”、“手机”、“丢了”，从这几个词中匹配出“惆怅”、“悲伤”等情感词，“惆怅”、“悲伤”都是贬义词，但“悲伤”相对“惆怅”来说褒义的程度更加强烈一些，即情感词“悲伤”的分值大于情感词“惆怅”的分值，从而可以确定用于表征文本情感的特征词为“悲伤”。

本实施例通过分词处理将所述文章内容拆分成词汇，从所述词汇中提取至少一个情感词，对所述至少一个情感词进行情感分析得到所述至少一个情感词各自的分值，根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词，从而可以使用较少的特征词表示目标文章的情感。

在另一种实现方式中，可以结合程度词和否定词计算情感词的分值，根据分值大小提取能够表征文本情感的特征词。例如，如图3b所示，步骤110可以包括：

在步骤321中，依照段落、句子、词汇的次序分解所述文章内容；

在步骤322中，从所述词汇中提取至少一个情感词，并获取所述至少一个情感词前的程度词和否定词；

在步骤323中，根据所述程度词对所述至少一个情感词赋予程度权值，根据所述否定词对所述至少一个情感词赋予反转权值；

在步骤324中，综合所述程度权值及所述反转权值计算所述至少一个情感词各自的分值；

在步骤325中，根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词。

基于机器学习的方法大多将这个问题转化为一个分类问题来看待，对于情感极性的判断，将目标情感分类2类：正、负；对情感程度的分析则转化为回归问题看待。对训练文本进行人工标标注，然后进行有监督的机器学习过程。

基于词典的情感分析大致步骤如下：

分解文章段落→分解段落中的句子→分解句子中的词汇→搜索情感词并标注和计数→搜索情感词前的程度词，根据程度大小，赋予不同的程度权值→搜索情感词前的否定词，赋予反转权值(-1)→计算句子的情感得分→计算段落的情感得分→计算文章的情感得分。

在还没有获得大量文本的情况下，使用基于词典的方法或者简单的机器学习方法是一个不错的选择。获得大量文本后，可以尝试使用一些复杂的机器学习方法甚至使用深度学习来进一步提升分析效果。

如图2b所示，目标文章的文章内容包括“惆怅，非常不开心，手机丢了”。对文章内容进行分解后得到“惆怅”、“非常”、“不”、“开心”、“手机”、“丢了”，从这几个词中匹配出情感词“惆怅”和“开心”，及情感词“开心”前的程度词“非常”和否定词“不”，根据程度词“非常”赋予程度权值，根据否定词“不”赋予反转权值(-1)，从而可以计算到得情感词“开心”的分值；情感词“惆怅”前没有程度词和否定词，则可以直接计算情感词“惆怅”的分值，根据情感词各自的分值大小，可以确定用于表征文章情感的特征词。

情感分析(SA)又称为倾向性分析和意见挖掘，它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程，其中情感分析还可以细分为情感极性(倾向)分析，情感程度分析，主客观分析等。情感极性分析的目的是对文本进行褒义、贬义、中性的进行判断。情感程度分析主要是对同一情感极性中再进行划分或者细分，以描述该极性的强度。而客观描述的情感值理论上是为零，不影响最终的情感分析结果。

例如，上述示例中，“手机”和“丢了”的情感极性为中性，因此，可以不考虑中性词汇对句子、段落、文章情感得分的影响。

本实施例对文章内容依照段落、句子、词汇的次序进行分解，从所述词汇中提取至少一个情感词，并根据情感词前的程度词和否定词计算情感词各自的分值，根据情感词各自的分值大小，确定用于表征文章情感的特征词，通过对文本进行段落、句子、词汇的逐层划分，提高了对文章情感分析的准确性。

由于用户编写的文章不仅存在情感基调一致的，也会出现情感存在起落的文章，为了更好的确定表征文章情感的特征词，所述根据所述至少一个情感词各自的分值大小，确定用于表征文本情感的特征词的步骤，可以包括：根据所述至少一个情感词分值的正负值大小，将所述情感词分为正向情感词和负向情感词；根据分值大小提取正向情感词及负向情感词，确定用于表征文章情感的特征词。

情感分析对象的粒度最小是词汇，但是表达一个情感的最基本的单位则是句子，词汇虽然能描述情感的基本信息，但是单一的词汇缺少对象，缺少关联程度，并且不同的词汇组合在一起所得到的情感程度不同甚至情感倾向都相反。所以以句子为最基本的情感分析粒度是较为合理的。篇章或者段落的情感可以通过句子的情感来计算。

考虑到语句中的褒贬并非稳定分布，对于积极和消极的情感词分开执行，最终的到两个分值，分别表示文本内容的正向情感值和负向情感值。

如图2c所示，目标文章的文本内容为“旧手机丢了，有点难过。但是中了台新手机超级开心”。对文本内容进行分解后得到“旧手机”、“丢了”、“有点”、“难过”、“但是”、“中了台”、“新手机”、“超级”、“开心”，从这几个词中匹配出情感词“难过”和“开心”，及情感词“难过”前的程度词“有点”，及情感词“开心”前的程度词“超级”。根据程度词“有点”为情感词“难过”赋予程度权值，根据程度词“超级”为情感词“开心”赋予程度权值，则可以直接计算情感词“难过”和“开心”的分值，根据情感词各自的分值大小，可以确定用于表征文本情感的特征词。

本实施例根据所述至少一个情感词分值的正负值大小，将所述情感词分为正向情感词和负向情感词，根据分值大小提取正向情感词及负向情感词，确定用于表征文本情感的特征词，提高了对情感存在起落的文章情感分析的准确性。

在步骤120中，根据所述特征词确定与所述目标文章匹配的目标音乐。

基于音乐的曲调、和声、配器、节奏等多方面的分析可以得出该音乐的风格，利用深度学习、人工智能等算法可以对大量音乐进行分析，并为不同的音乐配上不同的标签，做成一个数据库，从而，在获取到表征文本情感的特征词后，即可从所述数据库中匹配音乐。

在其中一种实现方式中，可以通过音乐的标签查找与特征词匹配的目标音乐。即，如图4所示，步骤120可以包括：

在步骤121中，通过将所述特征词与音乐的标签进行匹配，筛选候选音乐；

在步骤122中，根据标签与所述特征词的相关度计算所述候选音乐的匹配分数，将匹配分数大于分数阈值的所述候选音乐作为所述目标音乐。

当然，为了便于分类查找，目前很多音乐应用软件都为音乐添加了标签。例如，虾米音乐中为音乐添加了标签包括：纯音乐、怀旧、欢快、轻快、清新、迷幻、爱情、抒情、舒缓、治愈、武侠、伤感、深情、温暖、励志、安静、慵懒等。当然，还有一些音乐标签包括：歌手特质(例如：性感、古典、朴实等)、音乐类型(例如：儿歌、山歌、民谣等)、唱法(例如：通俗、美声、说唱等)、节奏(例如：慢板、快歌、轻柔等)、主题(例如：励志、伤感、喜庆等)。

匹配出的候选音乐中，不同的候选音乐包含的标签与所述特征词匹配的数量不同，例如，目标文章有5个特征词，有的候选音乐可能包含与这5个特征词均相关的标签，而有的候选音乐可能包含与一两个特征词相关的标签。通常来说，候选音乐匹配上的特征词越多与目标文章的情感越贴近，因此，可以根据标签与所述特征词的相关度计算所述候选音乐的匹配分数，将匹配分数大于分数阈值的所述候选音乐作为所述目标音乐。还可以根据匹配分数的高低对目标音乐进行排序。当然，还可以设置音乐的数量阈值，例如，匹配分数大于分数阈值的音乐少于数量阈值时，可以将分数较低的候选音乐也作为目标音乐。

当然，还可以让用户添加喜好，或者根据平常匹配结果与用户的选取结果分析用户的喜好并加以记录，进一步修正后续音乐匹配的结果。

本实施例将音乐的标签与所述特征词进行匹配确定目标音乐，从而能够出查找到风格与文章感情匹配的音乐，提高音乐匹配的准确性。

在步骤130中，将所述目标音乐中的至少一首音乐添加到所述目标文章中。

匹配出的目标音乐可能是一首也可能是多首，在目标音乐为多首的情况下，可以根据相关性的高低、网络热度、最新歌曲等方式排列。可以将目标音乐以列表的形式展示给用户，还可以将其中至少一首音乐添加到所述目标文章中，供用户预览，还可以播放所述添加到目标文章中的音乐供用户试听。用户还可以设置添加到目标文章中的音乐的数量。当音乐不止一首时，还可以调节音乐的数量及添加的位置等。例如，对情感存在起落的目标文章，可以在目标文章的不同段落播放不同的音乐，如图2d所示，用于表征文章情感的特征词依次是“难过”和“开心”，并为不同情感部分添加了不同的音乐。当判断读者阅读到特征词为“难过”的部分可以采用音乐播放条221播放目标音乐，当判断读者阅读到特征词为“开心”的部分可以采用音乐播放条222播放目标音乐。

如图2a、图2b、图2c所示，文章编辑界面设置有音乐添加按键210，当用户点击所述音乐添加按键210时，系统会对界面中的目标文章进行分析，获取用于表征文章情感的特征词，根据所述特征词确定与所述目标文章匹配的目标音乐，将所述目标音乐中的至少一首音乐添加到所述目标文章中，可以采用音乐播放条220的形式显示添加音乐后的效果。添加音乐后，可以直接播放该音乐，也可以在用户点击播放按键后再播放。还可以依次播放添加的多首目标音乐，或者循环播放添加的目标音乐。

当然，有时候用户可能打开文章编辑界面后，还未输入文字时即点击了所述音乐添加按键210，此时由于目标文章不存在文章内容，因此无法获取到表征文章情感的特征词，从而无法匹配目标音乐。此时，可以根据用户曾经添加的音乐(历史音乐)分析用户可能喜欢的音乐作为目标音乐，或者根据用户添加或收藏的音乐等分析用户可能喜欢的音乐作为目标音乐。当然，还有可能用户有想添加的音乐，可以不需要系统推荐，为此，可以为音乐添加按键210设置多个选项，例如，自动匹配，手动添加等。其中，自动匹配即可以如前所述的根据文章情感或用户可能喜欢等方式匹配目标音乐，而手动添加则可以由用户手动添加音乐。

本公开中对目标文章中的文章内容进行情感分析，获取用于表征文章情感的特征词，根据所述特征词确定与所述目标文章匹配的目标音乐，将所述目标音乐中的一首音乐添加到所述目标文章中，从而能够根据目标文章的文章情感向用户推荐适合的音乐。

本公开虽然是根据目标文章的文本内容和图片进行分析以匹配目标音乐，但系统添加到目标文章中的音乐不一定完全符合用户心意，用户仍可能需要更换音乐。

为此，本公开提出了可以更换添加的音乐的音乐添加的方法。该方法可以包括以下步骤：对目标文章中的文本内容进行情感分析，获取用于表征文本情感的特征词；根据所述特征词确定与所述目标文章匹配的目标音乐；将所述目标音乐中的一首音乐添加到所述目标文章中；检测到基于所述添加到所述目标文章中的目标音乐的音乐切换指令时，在所述目标文章中添加所述目标音乐中的另一首音乐。

匹配出的目标音乐可能是一首也可能是多首，通常是将目标音乐中的至少一首音乐添加到所述目标文章中，还可以播放所述添加到目标文章中的音乐供用户试听。但系统添加到目标文章中的音乐不一定完全符合用户心意，用户仍可能需要更换音乐。

为此，本公开一实施例中，可以设置音乐切换按键，方便用户更换音乐。例如，如图2a、图2b、图2c所示，将所述目标音乐中的一首音乐添加到所述目标文章中，可以采用音乐播放条220的形式显示添加音乐后的效果。在所述音乐播放条220中设置了切换至下一首或前一首的切换按键，用户通过点击切换按键即可更换所述目标文章中添加的音乐。

当然，对于将目标音乐以列表的形式展示给用户的情况，用户可以通过点击列表中的某首音乐而切换到播放该音乐。或者系统自动播放列表中的音乐供用户试听，用户通过点击(例如双击)列表中的某首音乐从而将该音乐添加到所述目标文章中。音乐切换及添加方式可以有多种形式，本公开对此不作限定。

本公开中在检测到音乐切换指令时，在所述目标文章中添加所述目标音乐中的另一首音乐，方便用户切换音乐以添加满意的音乐到所述目标文章中。

用户可以在终端中的备忘录应用、记事本应用、便签应用等编辑文本形成文章，有些应用还可以在所述文章中插入图片等。现在很多用户喜欢将终端中编写的文章分享给朋友，目前的分享方式主要是以文本或图片的形式分享给朋友。而以文本的形式分享无法保留文章的排版格式等，而以图片的形式分享则无法对文本进行复制等操作。特别是对于添加了音乐的文章，以文本或图片的形式分享给朋友时无法携带音乐。从而，现在有分享方式仍存在一定的不足。

为此，本公开一实施例中，为所述目标文章增加了以网页形式进行分享的方式。所述方法可以包括以下步骤：当检测到对所述目标文章以网页形式进行分享的分享指令时，存储所述目标文章并生成统一资源定位符。

统一资源定位符(Uniform Resource Locator，URL)是对可以从互联网上得到的资源的位置和访问方法的一种简洁的表示，是互联网上标准资源的地址。互联网上的每个文件都有一个唯一的URL，它包含的信息指出文件的位置以及浏览器应该怎么处理它。

终端中的备忘录应用、记事本应用、便签应用等以文档的形式存储文章，目前的分享方式包括以文本或图片的形式分享给朋友，或者找到以文档的形式存储在终端中的文章后分享给朋友。而以文本的形式分享无法保留文章的排版格式等，而以图片的形式分享则无法对文本进行复制等操作。将文章以文档的形式分享给朋友，虽然可以克服排版混乱、无法复制的问题，但用户从终端中查找所述文档可能会比较麻烦，且如前所述，用户还可能在文章中添加了音乐，而添加的音乐若要能播放，需要链接到文章中的音乐的源文件，或者有服务器支持，对于通过网络添加音乐的方式，显然目前的分享方式均无法将音乐分享出去。

为此，本公开一实施例采用了设置服务器的方式，用户在分享目标文章时，终端将所述目标文章的文章内容发送到服务器，服务器生成记录目标文章的资源位置及访问方法等的URL，用户将所述URL分享给朋友，朋友通过点击URL即可从服务器获取到目标文章，所述分享方式，可以完整有效的保留目标文章的文本、图片及音乐等内容。

如图5所示，用户对目标文章进行分享时，可以选择以文本、图片或者网页的形式进行分享，当用户选择以网页的形式进行分享时，终端将目标文章发送给服务器，并接收服务器发送的保存所述目标文章的内容形成的网址，网页生成后，可由用户选择分享到的目标应用，例如，通过QQ、微信等应用分享给朋友等。

本公开中当检测到对所述目标文章以网页形式进行分享的分享指令时，将所述目标文章的文章内容发送到服务器，接收服务器发送的保存所述目标文章形成的统一资源定位符，通过分享统一资源定位符的形式能够方便用户分享带音乐的目标文章。

应当理解，上述各实施例虽然是独立的，但是，在不冲突的情况下也可以组合使用，不以上述具体实施例的形式为限。上述实施例中的各步骤，可以用于终端中，但是，也可以应用于服务器端中。当应用开启时，终端上展示有用户可见的部分，用户可以在终端中编辑文章，分析文章内容等操作可以在终端中进行。终端还可以与服务器通信，终端可以向服务器发送分析文章内容等操作的请求，服务器根据操作请求执行分析文章内容等操作。

与前述音乐添加方法的实施例相对应，本公开还提供了音乐添加装置及其所应用的终端的实施例。

如图6所示，图6是本公开根据一示例性实施例示出的一种信息提示装置框图，所述装置包括：分析单元610、匹配单元620和添加单元630。

其中，分析单元610，被配置为对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

匹配单元620，被配置为根据所述特征词确定与所述目标文章匹配的目标音乐；

添加单元630，被配置为将所述目标音乐中的至少一首音乐添加到所述目标文章中。

由上述实施例可见，对目标文章中的文章内容进行情感分析，获取用于表征文章情感的特征词，根据所述特征词确定与所述目标文章匹配的目标音乐，将所述目标音乐中的一首音乐添加到所述目标文章中，从而能够根据目标文章的文章情感向用户推荐适合的音乐。

如图7所示，图7是本公开根据一示例性实施例示出的另一种音乐添加装置框图，该实施例在前述图6所示实施例的基础上，所述分析单元610包括至少一种下述子单元，为了示例清楚，图7中示出了分析单元610可以包括的所有子单元：提取子单元611、评分子单元612和特征词子单元613。

其中，提取子单元611，被配置为从所述文章内容中提取至少一个情感词；

评分子单元612，被配置为获取所述至少一个情感词各自的分值；

特征词子单元613，被配置为根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词。

由上述实施例可见，通过提取至少一个情感词，分析得到所述至少一个情感词各自的分值，根据所述至少一个情感词各自的分值大小，确定用于表征文本情感的特征词，从而可以使用较少的特征词表示目标文章的文本情感。

进一步地，所述提取子单元611，被配置为对文本内容进行分析，获取用于表征文本情感的情感词；及

对图片进行图像识别，获取用于表征图片情感的情感词。

由上述实施例可见，对目标文章中的图片进行图像识别，识别图像内容，从所述图像内容中提取关键词，通过将标签与特征词及关键词进行匹配确定目标音乐，结合文本及图片综合分析文章情感，提高了对文章情感分析的准确性，进而提高音乐匹配的准确性。

进一步地，所述提取子单元611，被配置为通过分词处理将所述文本内容拆分成词汇，从所述词汇中提取至少一个情感词。

进一步地，所述评分子单元612，被配置为对所述至少一个情感词进行情感分析得到所述至少一个情感词各自的分值。

如图8所示，图8是本公开根据一示例性实施例示出的另一种音乐添加装置框图，该实施例在前述图7所示实施例的基础上，所述特征词子单元613包括至少一种下述模块，为了示例清楚，图8中示出了特征词子单元613可以包括的所有模块：正负值模块6131和情感词模块6132。

正负值模块6131，被配置为根据所述至少一个情感词分值的正负值大小，将所述情感词分为正向情感词和负向情感词；

情感词模块6132，被配置为根据分值大小提取正向情感词及负向情感词，确定用于表征文章情感的特征词。

由上述实施例可见，通过分词处理将所述文本内容拆分成词汇，从所述词汇中提取至少一个情感词，对所述至少一个情感词进行情感分析得到所述至少一个情感词各自的分值，根据所述至少一个情感词各自的分值大小，确定用于表征文本情感的特征词，从而可以使用较少的特征词表示目标文章的文本情感。

如图9所示，图9是本公开根据一示例性实施例示出的另一种音乐添加装置框图，该实施例在前述图7所示实施例的基础上，所述提取子单元611包括至少一种下述模块，为了示例清楚，图9中示出了提取子单元611可以包括的所有模块：分解模块6111和提取模块6112。

其中，分解模块6111，被配置为依照段落、句子、词汇的次序分解所述文本内容；

提取模块6112，被配置为从所述词汇中提取至少一个情感词。

如图10所示，图10是本公开根据一示例性实施例示出的另一种音乐添加装置框图，该实施例在前述图7所示实施例的基础上，所述评分子单元612包括至少一种下述模块，为了示例清楚，图10中示出了评分子单元612可以包括的所有模块：获取模块6121、权值模块6122和评分模块6123。

获取模块6121，被配置为获取所述至少一个情感词前的程度词和否定词；

权值模块6122，被配置为根据所述程度词对所述至少一个情感词赋予程度权值，根据所述否定词对所述至少一个情感词赋予反转权值；

评分模块6123，被配置为综合所述程度权值及所述反转权值计算所述至少一个情感词各自的分值。

如图8所示，图8是本公开根据一示例性实施例示出的另一种音乐添加装置框图，该实施例在前述图7所示实施例的基础上，所述特征词子单元613包括至少一种下述模块，为了示例清楚，图8中示出了特征词子单元613可以包括的所有模块：正负值模块6131和情感词模块6132。

正负值模块6131，被配置为根据所述至少一个情感词分值的正负值大小，将所述情感词分为正向情感词和负向情感词；

情感词模块6132，被配置为根据分值大小提取正向情感词及负向情感词，确定用于表征文章情感的特征词。

由上述实施例可见，对文本内容依照段落、句子、词汇的次序进行分解，从所述词汇中提取至少一个情感词，并根据情感词前的程度词和否定词计算情感词各自的分值，根据情感词各自的分值大小，确定用于表征文本情感的特征词，通过对文本进行段落、句子、词汇的逐层划分，提高了对文本情感分析的准确性。

如图11所示，图11是本公开根据一示例性实施例示出的另一种音乐添加装置框图，该实施例在前述图6所示实施例的基础上，所述匹配单元620包括至少一种下述子单元，为了示例清楚，图11中示出了匹配单元620可以包括的所有子单元：匹配子单元621和筛选子单元622。

其中，匹配子单元621，被配置为通过将所述特征词与音乐的标签进行匹配，筛选候选音乐；

筛选子单元622，被配置为根据标签与所述特征词的相关度计算所述候选音乐的匹配分数，将匹配分数大于分数阈值的所述候选音乐作为所述目标音乐。

由上述实施例可见，将音乐的标签与所述特征词进行匹配确定目标音乐，从而能够出查找到风格与文本感情匹配的音乐，提高音乐匹配的准确性。

如图12所示，图12是本公开根据一示例性实施例示出的另一种音乐添加装置框图，该实施例在前述图6所示实施例的基础上，所述装置还包括：分享单元640。

其中，分享单元650，被配置为当检测到对所述目标文章以网页形式进行分享的分享指令时，存储所述目标文章并生成统一资源定位符。

由上述实施例可见，当检测到对所述目标文章以网页形式进行分享的分享指令时，将所述目标文章的内容发送到服务器，接收服务器发送的保存所述目标文章形成的统一资源定位符，通过分享网址的形式能够方便用户分享带音乐的目标文章。

相应的，本公开还提供另一种音乐添加装置，所述装置包括有处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：

对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

根据所述特征词确定与所述目标文章匹配的目标音乐；

将所述目标音乐中的至少一首音乐添加到所述目标文章中。

上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

图13是根据一示例性实施例示出的一种用于图6中的音乐添加装置600的框图。例如，装置1300可以被提供为一服务器。参照图13，装置1300包括处理组件1322，其进一步包括一个或多个处理器，以及由存储器1332所代表的存储器资源，用于存储可由处理部件1322执行的指令，例如应用程序。存储器1332中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1322被配置为执行指令，以执行上述消息提醒的方法。

装置1300还可以包括一个电源组件1326被配置为执行装置1300的电源管理，一个有线或无线网络接口1350被配置为将装置1300连接到网络，和一个输入输出(I/O)接口1358。装置1300可以操作基于存储在存储器1332的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM，LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1332，上述指令可由装置1300的处理组件1322执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由终端的处理器执行时，使得终端能够执行一种添加音乐的方法，所述方法包括：对目标文章中的文本内容进行情感分析，获取用于表征文本情感的特征词；根据所述特征词确定与所述目标文章匹配的目标音乐；将所述目标音乐中的一首音乐添加到所述目标文章中。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (12)

1.一种音乐添加方法，其特征在于，所述方法包括：

对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

根据所述特征词确定与所述目标文章匹配的目标音乐；

将所述目标音乐中的至少一首音乐添加到所述目标文章中。

2.如权利要求1所述的音乐添加方法，其特征在于，所述对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词，包括：

从所述文章内容中提取至少一个情感词；

获取所述至少一个情感词各自的分值；

根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词。

3.如权利要求2所述的音乐添加方法，其特征在于，所述从所述文章内容中提取至少一个情感词，包括：

对文本内容进行分析，获取用于表征文本情感的情感词；

对图片进行图像识别，获取用于表征图片情感的情感词。

4.如权利要求3所述的音乐添加方法，其特征在于，所述对文本内容进行分析，获取用于表征文本情感的情感词，包括：

依照段落、句子、词汇的次序分解所述文本内容；

通过分词处理将所述文本内容拆分成词汇；

从所述词汇中提取至少一个情感词。

5.如权利要求2所述的音乐添加方法，其特征在于，所述获取所述至少一个情感词各自的分值，包括：

对所述至少一个情感词进行情感分析得到所述至少一个情感词各自的分值。

6.如权利要求2所述的音乐添加方法，其特征在于，所述获取所述至少一个情感词各自的分值，包括：

获取所述至少一个情感词前的程度词和否定词；

根据所述程度词对所述至少一个情感词赋予程度权值，根据所述否定词对所述至少一个情感词赋予反转权值；

综合所述程度权值及所述反转权值计算所述至少一个情感词各自的分值。

7.如权利要求2所述的音乐添加方法，其特征在于，所述根据所述至少一个情感词各自的分值大小，确定用于表征文章情感的特征词，包括：

根据所述至少一个情感词分值的正负值大小，将所述情感词分为正向情感词和负向情感词；

根据分值大小提取正向情感词及负向情感词，确定用于表征文章情感的特征词。

8.如权利要求1所述的音乐添加方法，其特征在于，所述根据所述特征词确定与所述目标文章匹配的目标音乐，包括：

通过将所述特征词与音乐的标签进行匹配，筛选候选音乐；

根据标签与所述特征词的相关度计算所述候选音乐的匹配分数，将匹配分数大于分数阈值的所述候选音乐作为所述目标音乐。

9.如权利要求1所述的音乐添加方法，其特征在于，所述方法还包括：

当检测到对所述目标文章以网页形式进行分享的分享指令时，存储所述目标文章并生成统一资源定位符。

10.一种音乐添加装置，其特征在于，所述装置包括：

分析单元，用于对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

匹配单元，用于根据所述特征词确定与所述目标文章匹配的目标音乐；

添加单元，用于将所述目标音乐中的至少一首音乐添加到所述目标文章中。

11.一种音乐添加装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

对目标文章中的文章内容进行分析，获取用于表征文章情感的特征词；

根据所述特征词确定与所述目标文章匹配的目标音乐；

将所述目标音乐中的至少一首音乐添加到所述目标文章中。

12.一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1-9任一项所述方法的步骤。