CN108614840B - 一种ktv歌曲的排序方法及系统 - Google Patents
一种ktv歌曲的排序方法及系统 Download PDFInfo
- Publication number
- CN108614840B CN108614840B CN201611148171.4A CN201611148171A CN108614840B CN 108614840 B CN108614840 B CN 108614840B CN 201611148171 A CN201611148171 A CN 201611148171A CN 108614840 B CN108614840 B CN 108614840B
- Authority
- CN
- China
- Prior art keywords
- song
- historical
- popularity
- recent
- requesting
- 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
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Reverberation, Karaoke And Other Acoustics (AREA)
Abstract
本发明实施例提供了一种KTV歌曲的排序方法及系统,涉及互联网及KTV技术领域。本发明可以将历史点歌数据通过统一维度,折算为每首歌曲在第一时间段内平均每个房间的历史点歌量和近期点歌量,并对所述历史点歌量和近期点歌量进行标准化得到历史受欢迎程度和近期受欢迎程度,对所述历史受欢迎程度和近期受欢迎程度进行计算得到总受欢迎程度,按照所述总受欢迎程度对各首歌曲进行排序。既反映了历史地位又考虑了近期流行趋势,由此解决了单一时间段的点歌量的排序无法全面的反映歌曲的受欢迎程的问题,排除了历史点歌数据中的偶然性对排序结果的影响,使歌曲的排序更符合用户的需求,用户能更方便快捷地点歌。
Description
技术领域
本发明涉及互联网及KTV技术领域,特别是涉及一种KTV歌曲的排序方法及系统。
背景技术
随着现代生活水平的提高,KTV已经成为了人们社交生活中必不可少的一个娱乐项目。
目前KTV行业中歌曲的排序方法有以下三种方法:1、根据歌名字数和/或拼音排序;2、根据手工设置的权重排序;3、根据总历史点歌量或某一段时间的点歌量排序。
在发明人应用在先技术时,发现在先技术对于第一种排序方法,根据简单的字典排序,根本无法在搜索结果里体现出歌曲的受欢迎程度;对于第二种排序方法,需要大量人力去维护歌曲权重,对于超过10万首歌曲、每月新增上千首的大型歌库,成本极高且容易出错,人工设置的权重也不一定符合用户需求;对于第三种排序方法,根据单一时间段的点歌量的排序无法全面的反映歌曲的受欢迎程度,如果采用的时间段很长,对于刚上架的新歌,再流行也很难获得靠前的排序,如果采用的时间段很短,偶然性会非常大,结果很容易被干扰。最终导致歌曲的排序不符合用户的需求,用户不能方便快捷地点歌。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的KTV歌曲的排序方法和相应的KTV歌曲的排序系统。
依据本发明的一个方面,提供了一种KTV歌曲的排序方法,包括:
获取每首歌曲在第一时间段内的历史点歌数据;
根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量;
判断每首歌曲的上架时间是否大于设定阈值;
如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度;
根据所述历史受欢迎程度和近期受欢迎程度,计算所述歌曲的总受欢迎程度;
根据每首歌曲的总受欢迎程度对各首歌曲进行排序。
优选地,所述根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量的步骤,包括:
根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以设定阈值得到的倍数,获得所述歌曲的近期点歌量。
优选地,所述根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量的步骤,包括:
根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以上架时间得到的倍数,获得所述歌曲的近期点歌量。
优选地,所述对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度的步骤,包括:
根据标准参数除以历史点歌量再与标准参数相加后得到历史点歌量标准值,将历史点歌量作为所述历史点歌量标准值的幂指数进行计算,得到历史受欢迎程度;
根据标准参数除以近期点歌量再与标准参数相加后得到近期点歌量标准值,将近期点歌量作为所述近期点歌量标准值的幂指数进行计算,得到近期受欢迎程度。
优选地,所述根据所述历史受欢迎程度和近期受欢迎程度,计算所述歌曲的总受欢迎程度的步骤,包括:
将所述历史受欢迎程度和近期受欢迎程度分别乘以对应的历史权重和近期权重后相加,得到所述歌曲的总受欢迎程度。
根据本发明的另一方面,提供了一种KTV歌曲的排序系统,包括:
历史点歌数据获取模块,用于获取每首歌曲在第一时间段内的历史点歌数据;
历史点歌量计算模块,用于根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量;
判断模块,用于判断每首歌曲的上架时间是否大于设定阈值;
近期点歌量第一计算模块,用于如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
近期点歌量第二计算模块,用于如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
标准化模块,用于对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度;
总受欢迎程度计算模块,用于根据所述历史受欢迎程度和近期受欢迎程度,计算所述歌曲的总受欢迎程度;
排序模块,用于根据每首歌曲的总受欢迎程度对各首歌曲进行排序。
优选地,所述近期点歌量第一计算模块,包括:
近期点歌量第一计算子模块,用于根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以设定阈值得到的倍数,获得所述歌曲的近期点歌量。
优选地,所述近期点歌量第二计算模块,包括:
近期点歌量第二计算子模块,用于根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以上架时间得到的倍数,获得所述歌曲的近期点歌量。
优选地,所述标准化模块,包括:
历史受欢迎程度计算子模块,用于根据标准参数除以历史点歌量再与标准参数相加后得到历史点歌量标准值,将历史点歌量作为所述历史点歌量标准值的幂指数进行计算,得到历史受欢迎程度;
近期受欢迎程度计算子模块,用于根据标准参数除以近期点歌量再与标准参数相加后得到近期点歌量标准值,将近期点歌量作为所述近期点歌量标准值的幂指数进行计算,得到近期受欢迎程度。
优选地,所述总受欢迎程度计算模块,包括:
总受欢迎程度计算子模块,用于将所述历史受欢迎程度和近期受欢迎程度分别乘以对应的历史权重和近期权重后相加,得到所述歌曲的总受欢迎程度。
相对在先技术,本发明具备如下优点:
一种KTV歌曲的排序方法及系统,将历史点歌数据通过统一维度,折算为每首歌曲在第一时间段内平均每个房间的历史点歌量和近期点歌量,并对所述历史点歌量和近期点歌量进行标准化得到历史受欢迎程度和近期受欢迎程度,对所述历史受欢迎程度和近期受欢迎程度进行计算得到总受欢迎程度,按照所述总受欢迎程度对各首歌曲进行排序。既反映了历史地位又考虑了近期流行趋势,由此解决了单一时间段的点歌量的排序无法全面的反映歌曲的受欢迎程的问题,排除了历史点歌数据中的偶然性对排序结果的影响,达到了使歌曲的排序更符合用户的需求,用户能更方便快捷地点歌的效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明实施例一提供的一种KTV歌曲的排序方法的步骤流程图;
图2示出了根据本发明实施例二提供的一种KTV歌曲的排序方法的步骤流程图;
图2A示出了根据本发明的标准化公式计算得到的标准化结果的效果图;
图3示出了根据本发明实施例三提供的一种KTV歌曲的排序系统的结构框图;
图4示出了根据本发明实施例四提供的一种KTV歌曲的排序系统的结构框图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
参照图1,示出了根据本发明一个实施例的一种KTV歌曲的排序方法实施例的步骤流程图,具体可以包括如下步骤:
步骤100,获取每首歌曲在第一时间段内的历史点歌数据。
用户在某KTV店铺中的某个房间的点歌客户端进行点歌操作,点歌客户端会将用户在点歌客户端选取的歌曲名和点歌时间进行记录,并将歌曲名和点歌时间发送到服务器中,通过服务器中保存的点歌数据,统计服务器中每首歌曲在第一时间段内所有店铺的历史点歌数据;比如,统计服务器中每首歌曲近360天所有店铺的历史点歌数据,并通过统计店铺总数和每个店铺的房间数来计算总房间数。
步骤110,根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量。
根据服务器中每首歌曲在第一时间段内所有店铺的历史点歌数据,获取所述历史点歌数据中每首歌曲的点歌量,再根据所述点歌量除以总房间数,得到每首歌曲在第一时间段内平均每个房间的历史点歌量;比如,所述第一时间段选取360天。
比如,根据服务器中每首歌曲近360天所有店铺的历史点歌数据,获取所述历史点歌数据中每首歌曲的点歌量,再根据所述点歌量除以总房间数,计算服务器中每首歌曲近360天平均每个房间的历史点歌量。
步骤120,判断每首歌曲的上架时间是否大于设定阈值。
根据每首歌曲的上架时间与设定阈值进行比较,确定所述上架时间是大于等于设定阈值,还是所述上架时间小于设定阈值;所述上架时间根据所述歌曲加入到服务器中的时间来确定;所述设定阈值根据实际情况来设定。
比如,某首歌曲加入到服务器的时间为2016年8月1日,当前日期为2016年8月25日,则上架时间为25天;设定阈值为30天。
步骤130,如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量。
比如,所述歌曲的上架时间大于等于30天,则根据近30天平均在每个房间的总点歌量,计算并转换为360天的近期点歌量。
步骤140,如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量。
比如,所述歌曲的上架时间n小于30天,则根据这n天平均在每个房间的总点歌量,计算并转换为360天的近期点歌量。
步骤150,对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度。
对每首歌曲的历史点歌量和近期点歌量分别使用标准化公式进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度;所述标准化公式可以采用如:极值线型模式、均值标准差模式和(1+1/x)^x等,本发明实施例不对其加以限制。
本发明中优选的标准化公式为(1+1/x)^x,其中x是历史点歌量或近期点歌量。
步骤160,根据所述历史受欢迎程度和近期受欢迎程度,计算所述歌曲的总受欢迎程度。
将标准化后得到的历史受欢迎程度和近期受欢迎程度,根据对应的历史权重和近期权重进行计算得到总受欢迎程度。
步骤170,根据每首歌曲的总受欢迎程度对各首歌曲进行排序。
根据计算得到的每首歌曲的总受欢迎程度,按照总受欢迎程度的大小对各首歌曲进行排序,形成歌单列表。
比如,对于歌曲A、歌曲B和歌曲C这三首歌曲,其受欢迎程度分别为1.5、2和2.2,根据受欢迎程度的大小进行排序,生成的歌单列表从上到下分别为歌曲C、歌曲B、歌曲A。
用户在某KTV店铺中的某个房间的点歌客户端进行点歌操作时,点歌客户端向服务器发送歌单列表请求,服务器接收到点歌客户端发送的歌单列表请求并向点歌客户端返回歌单列表,点歌客户端接收到所述服务器返回的歌单列表,展示在用户的点歌客户端上。
相对在先技术,本发明实施例具备如下优点:
本发明实施例将历史点歌数据通过统一维度,折算为每首歌曲在第一时间段内平均每个房间的历史点歌量和近期点歌量,并对所述历史点歌量和近期点歌量进行标准化得到历史受欢迎程度和近期受欢迎程度,对所述历史受欢迎程度和近期受欢迎程度进行计算得到总受欢迎程度,按照所述总受欢迎程度对各首歌曲进行排序。既反映了历史地位又考虑了近期流行趋势,由此解决了单一时间段的点歌量的排序无法全面的反映歌曲的受欢迎程的问题,排除了历史点歌数据中的偶然性对排序结果的影响,达到了使歌曲的排序更符合用户的需求,用户能更方便快捷地点歌的效果。
实施例二
参照图2,示出了根据本发明一个实施例的一种KTV歌曲的排序方法实施例的步骤流程图,具体可以包括如下步骤:
步骤200,获取每首歌曲在第一时间段内的历史点歌数据。
用户在某KTV店铺中的某个房间的点歌客户端进行点歌操作,点歌客户端会将用户在点歌客户端选取的歌曲名和点歌时间进行记录,并将歌曲名和点歌时间发送到服务器中,通过服务器中保存的点歌数据,统计服务器中每首歌曲在第一时间段内所有店铺的历史点歌数据;比如,统计服务器中每首歌曲近360天所有店铺的历史点歌数据,并通过统计店铺总数和每个店铺的房间数来计算总房间数。
步骤210,根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量x。
根据服务器中每首歌曲在第一时间段内所有店铺的历史点歌数据,获取所述历史点歌数据中每首歌曲的点歌量,再根据所述点歌量除以总房间数,得到每首歌曲在第一时间段内平均每个房间的历史点歌量x;比如,所述第一时间段选取360天。
步骤220,判断每首歌曲的上架时间是否大于设定阈值。
根据每首歌曲的上架时间与设定阈值进行比较,确定所述上架时间是大于等于设定阈值,还是所述上架时间小于设定阈值;所述上架时间根据所述歌曲加入到服务器中的时间来确定;所述设定阈值根据实际情况来设定。
比如,设定阈值为30天,根据每首歌曲的上架时间与30天进行比较,确定所述上架时间是大于等于30天,还是所述上架时间小于30天。
步骤230,如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以设定阈值得到的倍数,获得所述歌曲的近期点歌量y。
比如,设定阈值为30天,且所述歌曲的上架时间大于等于30天,则获取所述歌曲近30天平均在每个房间的总点歌,再乘以12,获得所述歌曲的近期点歌量。
步骤240,如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以上架时间得到的倍数,获得所述歌曲的近期点歌量y。
比如,设定阈值为30天,且所述歌曲的上架时间n小于30天,则获取所述歌曲这n天平均在每个房间的总点歌量,再乘以360/n,获得所述歌曲的近期点歌量。
步骤250,根据标准参数除以历史点歌量再与标准参数相加后得到历史点歌量标准值,将历史点歌量作为所述历史点歌量标准值的幂指数进行计算,得到历史受欢迎程度。
将历史点歌量x使用标准化公式(1+1/x)^x进行标准化,得到历史受欢迎程度。
步骤260,根据标准参数除以近期点歌量再与标准参数相加后得到近期点歌量标准值,将近期点歌量作为所述近期点歌量标准值的幂指数进行计算,得到近期受欢迎程度。
将近期点歌量y使用标准化公式(1+1/y)^y进行标准化,得到近期受欢迎程度。
步骤270,将所述历史受欢迎程度和近期受欢迎程度分别乘以对应的历史权重和近期权重后相加,得到所述歌曲的总受欢迎程度。
其中,历史权重和近期权重根据实际情况进行设置。
步骤280,根据每首歌曲的总受欢迎程度对各首歌曲进行排序。
根据计算得到的每首歌曲的总受欢迎程度,按照总受欢迎程度的大小对各首歌曲进行排序,形成歌单列表。
用户在某KTV店铺中的某个房间的点歌客户端进行点歌操作时,点歌客户端向服务器发送歌单列表请求,服务器接收到点歌客户端发送的歌单列表请求并向点歌客户端返回歌单列表,点歌客户端接收到所述服务器返回的歌单列表,展示在用户的点歌客户端上。
参照图2A,示出了根据本发明的标准化公式计算得到的标准化结果的效果图。
根据本实施例的标准化公式(1+1/x)^x和(1+1/y)^y计算得到的各首歌曲标准化结果的效果图,其中横坐标是总受欢迎程度,纵坐标是歌曲数量,所述效果图的分布基本均匀的符合帕累托分布和哑铃型分布的综合体。
所述帕累托分布表示,在KTV点歌系统里,多数歌曲的总受欢迎程度低,少数经典热门歌曲有较大的总受欢迎程度;所述哑铃型分布表示,在KTV点歌系统里,受欢迎的经典歌曲会有较大的点歌量,多数冷门歌曲只有个别小众人群点歌,而处于所述经典歌曲和冷门歌曲之间的歌曲的点歌量最少。
理论分析与实际计算得到的分布相符,所以本发明计算得到的总受欢迎程度符合实际情况。
相对在先技术,本发明实施例具备如下优点:
本发明实施例将历史点歌数据通过统一维度,折算为每首歌曲在第一时间段内平均每个房间的历史点歌量和近期点歌量,并对所述历史点歌量和近期点歌量进行标准化得到历史受欢迎程度和近期受欢迎程度,对所述历史受欢迎程度和近期受欢迎程度进行计算得到总受欢迎程度,按照所述总受欢迎程度对各首歌曲进行排序。参与计算的历史点歌数据既使用第一时间段的长期数据,又使用了设定阈值对应的时间段或上架时间对应的时间段的近期数据,使计算得到的总受欢迎程度既反映了历史地位又考虑了近期流行趋势;如果某首歌只上线一天,刚好这一天出现了极大的点歌量,折算成第一时间段后的点歌量会远远超出正常的第一时间段的点歌量,而使用标准化公式(1+1/x)^x和(1+1/y)^y得到的历史受欢迎程度和近期受欢迎程度固定在[1,e)区间内,且值越大的历史点歌数据,在标准化时的缩减比例也会越大,由此解决了单一时间段的点歌量的排序无法全面的反映歌曲的受欢迎程的问题,排除了历史点歌数据中的偶然性对排序结果的影响,达到了使歌曲的排序更符合用户的需求,用户能更方便快捷地点歌的效果。
实施例三
参照图3,示出了根据本发明一个实施例的一种KTV歌曲的排序系统实施例的结构框图,具体可以包括如下模块:
历史点歌数据获取模块300,用于获取每首歌曲在第一时间段内的历史点歌数据。
历史点歌量计算模块310,用于根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量。
判断模块320,用于判断每首歌曲的上架时间是否大于设定阈值。
近期点歌量第一计算模块330,用于如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量。
近期点歌量第二计算模块340,用于如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量。
标准化模块350,用于对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度。
总受欢迎程度计算模块360,用于根据所述历史受欢迎程度和近期受欢迎程度,计算所述歌曲的总受欢迎程度。
将所述历史受欢迎程度和近期受欢迎程度分别乘以对应的历史权重和近期权重后相加,得到所述歌曲的总受欢迎程度。
排序模块370,用于根据每首歌曲的总受欢迎程度对各首歌曲进行排序。
相对在先技术,本发明实施例具备如下优点:
本发明实施例将历史点歌数据通过统一维度,折算为每首歌曲在第一时间段内平均每个房间的历史点歌量和近期点歌量,并对所述历史点歌量和近期点歌量进行标准化得到历史受欢迎程度和近期受欢迎程度,对所述历史受欢迎程度和近期受欢迎程度进行计算得到总受欢迎程度,按照所述总受欢迎程度对各首歌曲进行排序。既反映了历史地位又考虑了近期流行趋势,由此解决了单一时间段的点歌量的排序无法全面的反映歌曲的受欢迎程的问题,排除了历史点歌数据中的偶然性对排序结果的影响,达到了使歌曲的排序更符合用户的需求,用户能更方便快捷地点歌的效果。
实施例四
参照图4,示出了根据本发明一个实施例的一种KTV歌曲的排序系统实施例的结构框图,具体可以包括如下模块:
历史点歌数据获取模块400,用于获取每首歌曲在第一时间段内的历史点歌数据。
历史点歌量计算模块410,用于根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量。
判断模块420,用于判断每首歌曲的上架时间是否大于设定阈值。
近期点歌量第一计算模块430,用于如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量,具体包括:
近期点歌量第一计算子模块431,用于根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以设定阈值得到的倍数,获得所述歌曲的近期点歌量。
近期点歌量第二计算模块440,用于如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量,具体包括:
近期点歌量第二计算子模块441,用于根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以上架时间得到的倍数,获得所述歌曲的近期点歌量。
标准化模块450,用于对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度,具体包括:
历史受欢迎程度计算子模块451,用于根据标准参数除以历史点歌量再与标准参数相加后得到历史点歌量标准值,将历史点歌量作为所述历史点歌量标准值的幂指数进行计算,得到历史受欢迎程度;
近期受欢迎程度计算子模块452,用于根据标准参数除以近期点歌量再与标准参数相加后得到近期点歌量标准值,将近期点歌量作为所述近期点歌量标准值的幂指数进行计算,得到近期受欢迎程度。
总受欢迎程度计算模块460,用于根据所述历史受欢迎程度和近期受欢迎程度,计算所述歌曲的总受欢迎程度,具体包括:
总受欢迎程度计算子模块461,用于将所述历史受欢迎程度和近期受欢迎程度分别乘以对应的历史权重和近期权重后相加,得到所述歌曲的总受欢迎程度。
排序模块470,用于根据每首歌曲的总受欢迎程度对各首歌曲进行排序。
相对在先技术,本发明实施例具备如下优点:
本发明实施例将历史点歌数据通过统一维度,折算为每首歌曲在第一时间段内平均每个房间的历史点歌量和近期点歌量,并对所述历史点歌量和近期点歌量进行标准化得到历史受欢迎程度和近期受欢迎程度,对所述历史受欢迎程度和近期受欢迎程度进行计算得到总受欢迎程度,按照所述总受欢迎程度对各首歌曲进行排序。既反映了历史地位又考虑了近期流行趋势,由此解决了单一时间段的点歌量的排序无法全面的反映歌曲的受欢迎程的问题,排除了历史点歌数据中的偶然性对排序结果的影响,达到了使歌曲的排序更符合用户的需求,用户能更方便快捷地点歌的效果。
对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的KTV歌曲的排序方法及系统设备中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (8)
1.一种KTV歌曲的排序方法,其特征在于,包括:
获取每首歌曲在第一时间段内的历史点歌数据;
根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量;
判断每首歌曲的上架时间是否大于设定阈值;
如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度;
根据所述历史受欢迎程度和所述近期受欢迎程度,计算所述歌曲的总受欢迎程度;
根据每首歌曲的总受欢迎程度对各首歌曲进行排序;
其中,所述根据所述历史受欢迎程度和所述近期受欢迎程度,计算所述歌曲的总受欢迎程度的步骤,包括:
将所述历史受欢迎程度和所述近期受欢迎程度分别乘以对应的历史权重和近期权重后相加,得到所述歌曲的总受欢迎程度。
2.如权利要求1所述的方法,其特征在于,所述根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量的步骤,包括:
根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以设定阈值得到的倍数,获得所述歌曲的近期点歌量。
3.如权利要求1所述的方法,其特征在于,所述根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量的步骤,包括:
根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以上架时间得到的倍数,获得所述歌曲的近期点歌量。
4.如权利要求1所述的方法,其特征在于,所述对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度的步骤,包括:
根据标准参数除以历史点歌量再与标准参数相加后得到历史点歌量标准值,将历史点歌量作为所述历史点歌量标准值的幂指数进行计算,得到历史受欢迎程度;
根据标准参数除以近期点歌量再与标准参数相加后得到近期点歌量标准值,将近期点歌量作为所述近期点歌量标准值的幂指数进行计算,得到近期受欢迎程度。
5.一种KTV歌曲的排序系统,其特征在于,包括:
历史点歌数据获取模块,用于获取每首歌曲在第一时间段内的历史点歌数据;
历史点歌量计算模块,用于根据所述历史点歌数据,计算每首歌曲在第一时间段内平均每个房间的历史点歌量;
判断模块,用于判断每首歌曲的上架时间是否大于设定阈值;
近期点歌量第一计算模块,用于如果所述歌曲的上架时间大于等于设定阈值,则根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
近期点歌量第二计算模块,用于如果所述歌曲的上架时间小于设定阈值,则根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,计算在第一时间段内的近期点歌量;
标准化模块,用于对每首歌曲的历史点歌量和近期点歌量分别进行标准化,得到对应的所述歌曲的历史受欢迎程度和近期受欢迎程度;
总受欢迎程度计算模块,用于根据所述历史受欢迎程度和近期受欢迎程度,计算所述歌曲的总受欢迎程度;
排序模块,用于根据每首歌曲的总受欢迎程度对各首歌曲进行排序;
其中,所述总受欢迎程度计算模块,包括:
总受欢迎程度计算子模块,用于将所述历史受欢迎程度和近期受欢迎程度分别乘以对应的历史权重和近期权重后相加,得到所述歌曲的总受欢迎程度。
6.如权利要求5所述的系统,其特征在于,所述近期点歌量第一计算模块,包括:
近期点歌量第一计算子模块,用于根据所述设定阈值对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以设定阈值得到的倍数,获得所述歌曲的近期点歌量。
7.如权利要求5所述的系统,其特征在于,所述近期点歌量第二计算模块,包括:
近期点歌量第二计算子模块,用于根据所述上架时间对应的时间段内的所述歌曲平均在每个房间的总点歌量,乘以第一时间段除以上架时间得到的倍数,获得所述歌曲的近期点歌量。
8.如权利要求5所述的系统,其特征在于,所述标准化模块,包括:
历史受欢迎程度计算子模块,用于根据标准参数除以历史点歌量再与标准参数相加后得到历史点歌量标准值,将历史点歌量作为所述历史点歌量标准值的幂指数进行计算,得到历史受欢迎程度;
近期受欢迎程度计算子模块,用于根据标准参数除以近期点歌量再与标准参数相加后得到近期点歌量标准值,将近期点歌量作为所述近期点歌量标准值的幂指数进行计算,得到近期受欢迎程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611148171.4A CN108614840B (zh) | 2016-12-13 | 2016-12-13 | 一种ktv歌曲的排序方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611148171.4A CN108614840B (zh) | 2016-12-13 | 2016-12-13 | 一种ktv歌曲的排序方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108614840A CN108614840A (zh) | 2018-10-02 |
CN108614840B true CN108614840B (zh) | 2021-11-26 |
Family
ID=63657805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611148171.4A Active CN108614840B (zh) | 2016-12-13 | 2016-12-13 | 一种ktv歌曲的排序方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108614840B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010224757A (ja) * | 2009-03-23 | 2010-10-07 | Brother Ind Ltd | 商品推奨方法及び商品推奨システム |
CN103778908A (zh) * | 2014-01-24 | 2014-05-07 | 福建海媚数码科技有限公司 | 卡拉ok会员点歌系统及其点歌方法 |
CN104090906A (zh) * | 2014-05-28 | 2014-10-08 | 腾讯科技(深圳)有限公司 | 多媒体推送方法及多媒体推送装置 |
CN104573105A (zh) * | 2015-01-30 | 2015-04-29 | 福州大学 | 一种音乐点播网络中热门歌曲、歌星的推荐方法 |
CN104991900A (zh) * | 2015-06-09 | 2015-10-21 | 腾讯科技(深圳)有限公司 | 一种音乐数据推送方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810201B (zh) * | 2012-11-13 | 2016-09-14 | 腾讯科技(深圳)有限公司 | 一种音乐推荐方法及装置 |
CN104992698A (zh) * | 2015-07-15 | 2015-10-21 | 张阳 | Ktv点歌系统歌曲点播排列方法及装置 |
CN105095461A (zh) * | 2015-07-29 | 2015-11-25 | 张阳 | 家庭唱k排序方法及系统 |
CN105159973B (zh) * | 2015-08-26 | 2019-07-12 | 努比亚技术有限公司 | 歌曲推荐装置和方法 |
-
2016
- 2016-12-13 CN CN201611148171.4A patent/CN108614840B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010224757A (ja) * | 2009-03-23 | 2010-10-07 | Brother Ind Ltd | 商品推奨方法及び商品推奨システム |
CN103778908A (zh) * | 2014-01-24 | 2014-05-07 | 福建海媚数码科技有限公司 | 卡拉ok会员点歌系统及其点歌方法 |
CN104090906A (zh) * | 2014-05-28 | 2014-10-08 | 腾讯科技(深圳)有限公司 | 多媒体推送方法及多媒体推送装置 |
CN104573105A (zh) * | 2015-01-30 | 2015-04-29 | 福州大学 | 一种音乐点播网络中热门歌曲、歌星的推荐方法 |
CN104991900A (zh) * | 2015-06-09 | 2015-10-21 | 腾讯科技(深圳)有限公司 | 一种音乐数据推送方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108614840A (zh) | 2018-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766269A (zh) | 一种任务分配方法、装置、可读存储介质及终端设备 | |
CN105701108B (zh) | 一种信息推荐方法、装置及服务器 | |
JP6772274B2 (ja) | データ処理方法及び装置 | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN108648058B (zh) | 产品排序方法及装置,电子设备、存储介质 | |
WO2015154679A1 (zh) | 多搜索引擎搜索结果的排序方法及装置 | |
Liu et al. | A new Nawaz–Enscore–Ham-based heuristic for permutation flow-shop problems with bicriteria of makespan and machine idle time | |
CN111259272B (zh) | 搜索结果排序方法及装置 | |
CN109241084B (zh) | 数据的查询方法、终端设备及介质 | |
JP6303231B2 (ja) | リソース組み合わせ処理方法、装置、デバイス及びプログラム | |
WO2015124024A1 (zh) | 一种提升信息的曝光率的方法和装置、确定搜索词的价值的方法和装置 | |
CN109740036B (zh) | Ota平台酒店排序方法及装置 | |
US20150032235A1 (en) | Systems and methods for automated analysis of fitness data | |
CN111178708A (zh) | 目标评分方法和装置、计算机可读存储介质、电子设备 | |
JP6526849B1 (ja) | 推定装置、推定方法および推定プログラム | |
US20170186063A1 (en) | System and method for barter support | |
CN113792084A (zh) | 数据热度的分析方法、装置、设备及存储介质 | |
CN108614840B (zh) | 一种ktv歌曲的排序方法及系统 | |
US20130013244A1 (en) | Pattern based test prioritization using weight factors | |
CN110515929B (zh) | 书籍展示方法、计算设备及存储介质 | |
CN109583691B (zh) | 电子装置、孤儿单分配方法和计算机可读存储介质 | |
CN110909267B (zh) | 实体对象端的展示方法、装置、电子设备及存储介质 | |
CN112445978A (zh) | 电子书的推送方法、电子设备及存储介质 | |
CN104798035A (zh) | 调整应用任务开发 | |
KR20140079639A (ko) | 협업 필터링을 위한 emd 기반 유사 사용자 선별 방법 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |