CN109240637B - 音量调节的处理方法、装置、设备及存储介质 - Google Patents

Abstract

本申请提供一种音量调节的处理方法、装置、设备及存储介质，该方法包括：获取待播放音视频对应的历史数据，历史数据包括用户历史播放待播放音视频的历史操作信息；根据历史操作信息，确定待播放音视频的目标播放音量；根据目标播放音量控制待播放音视频的音量。通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。

Description

音量调节的处理方法、装置、设备及存储介质

技术领域

本申请涉及终端技术领域，尤其涉及一种音量调节的处理方法、装置、设备及存储介质。

背景技术

随着人们生活质量的提高，通过终端设备听歌成为人们娱乐生活中不可缺的一部分。当用户在听歌时，若音量不合适，往往需要手动调节，若用户当前手并未空闲，则不便调节，导致用户体验不佳。因此，如何方便地调节歌曲音量至适合用户的音量值成为亟需解决的技术问题。

发明内容

本申请提供一种音量调节的处理方法、装置、设备及存储介质，以解决现有技术音量调节不方便用户体验差等缺陷。

本申请第一个方面提供一种音量调节的处理方法，包括：

获取待播放音视频对应的历史数据，所述历史数据包括用户历史播放所述待播放音视频的历史操作信息；

根据所述历史操作信息，确定所述待播放音视频的目标播放音量；

根据所述目标播放音量控制所述待播放音视频的音量。

本申请第二个方面提供一种音量调节的处理装置，包括：

获取模块，用于获取待播放音视频对应的历史数据，所述历史数据包括用户历史播放所述待播放音视频的历史操作信息；

处理模块，用于根据所述历史操作信息，确定所述待播放音视频的目标播放音量；

控制模块，用于根据所述目标播放音量控制所述待播放音视频的音量。

本申请第三个方面提供一种计算机设备，包括：至少一个处理器和存储器；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权第一个方面提供的方法。

本申请第四个方面提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现第一个方面提供的方法。

本申请提供的音量调节的处理方法、装置、设备及存储介质，通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一实施例提供的音量调节的处理方法的流程示意图；

图2为本申请另一实施例提供的音量调节的处理方法的流程示意图；

图3为本申请一实施例提供的音量调节的处理装置的结构示意图；

图4为本申请一实施例提供的计算机设备的结构示意图。

通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

首先对本申请所涉及的名词进行解释：

决策树算法：是一种树形的数据结构的分类算法，树结构一般由节点、分支和叶子组成。决策树算法的分类过程：首先通过训练集样本数据理解和研究之后构建对应的决策树模型，然后把未预测的未知样本通过遍历树结构进行分类，如果当前树结构无法进行分类，则把该未知样本添加到决策树上面。决策树就是通过遍历树结点，通过结点的判断得到分类结果。

spark：计算引擎，是专为大规模数据处理而设计的快速通用的计算引擎。spark是一个通用引擎，可用它来完成各种各样的运算，包括SQL查询、文本处理、机器学习等。

此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。

下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。

本申请实施例提供的音量调节的处理方法适用于用户通过终端播放音视频的场景。当用户在终端开始播放待播放音视频时，可以通过终端获取用户对待播放音视频的操作信息，并进行记录，即记录了待播放音视频的历史数据，当用户再次播放该待播放音视频时，则可以根据用户的大量的历史数据，分析确定最适合用户的目标播放音量，从而自动调节待播放音视频的音量，使用户可以安心处理手头事情，而不必动手调节音量，有效提高用户体验。其中，待播放音视频可以是音频，比如用户听歌、听音乐等等，也可以是视频，比如用户看电视剧、看电影、看综艺节目等，只要需要调节音量的都可以。本申请实施例的执行主体可以是用户终端，也可以是服务器(大数据能力开放平台，以下简称开放平台)。若是终端，则终端自己记录用户的历史数据，并根据历史数据分析确定适合用户的音量，并调节音量；若是开放平台，则开放平台从终端获取用户的历史数据，并存储，对历史数据进行相应的处理和分析，确定适合用户的音量，控制终端根据用户合适的音量调节。

实施例一

本实施例提供一种音量调节的处理方法，用于为用户调节音量。本实施例的执行主体为音量调节的处理装置，该装置可以设置在终端中，比如手机、平板电脑、笔记本电脑、台式电脑等终端。该装置也可以设置在大数据能力开放平台中，比如服务器。

如图1所示，为本实施例提供的音量调节的处理方法的流程示意图，该方法包括：

步骤101，获取待播放音视频对应的历史数据，历史数据包括用户历史播放待播放音视频的历史操作信息。

具体的，用户每次播放音视频时，终端都可以获取并记录用户播放该音视频时的历史操作信息，比如音视频的标识信息、播放时间、播放音量、音量调节信息、不同音量对应的播放时长、音视频的总时长等等，可以是对每次播放记录一条包括上述内容的信息。记录的大量的历史数据可以作为后续为用户自动调节音量的依据。当用户在终端开始播放待播放音视频时，终端可以获取该待播放音视频的标识信息，若后续处理由终端本身执行，则终端可以直接根据待播放音视频的标识信息获取其对应的历史数据，并进行相应的处理。历史数据即包括上述记录的待播放音视频的标识信息对应的历史操作信息。或者终端也可以将待播放音视频的标识信息发送给服务器或开放平台，由服务器或开放平台获取待播放音视频对应的历史数据，并进行相应的处理。

对于历史数据，可以存储在终端或服务器或开放平台的存储区域中，还可以存储在另外的存储设备中，比如数据库中，具体不做限定。

步骤102，根据历史操作信息，确定待播放音视频的目标播放音量。

具体的，在获取到了待播放音视频对应的历史数据后，可以根据用户的历史操作信息进行分析，确定待播放音视频的目标播放音量。这里的目标播放音量可以是包括一个或多个音量值，以及每个音量值对应的时间段等信息。

示例性的，若一首歌的总长为180秒，音量的范围是0％-100％，获得的目标播放音量可以是：0-30秒音量值为40％、30-90秒音量值为50％、90-180秒音量值为60％。这里仅为示例性说明，具体体现形式不限。

可选地，历史操作信息可以包括每次播放时的音视频的标识信息，以及各标识信息对应的播放时间、播放音量、音量调节信息、不同音量对应的播放时长、待播放音视频的总时长以及其他相关信息。音量调节信息可以包括调节次数，每次调节的音量变化，比如从40％调节到50％，每次调节的时间等等。

示例性的，可以根据用户调节音量的习惯分析总结出最适合用户的目标播放音量。

步骤103，根据目标播放音量控制待播放音视频的音量。

具体的，若步骤102的执行主体为终端，则终端根据目标播放音量控制待播放音视频的音量，若执行主体为服务器，则服务器将确定的目标播放音量发送给终端，控制终端根据目标播放音量调节待播放音视频的音量。

本实施例提供的音量调节的处理方法，通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。

实施例二

本实施例对实施例一提供的方法做进一步补充说明。

如图2所示，为本实施例提供的音量调节的处理方法的流程示意图。

作为一种可实施的方式，在上述实施例一的基础上，可选地，步骤102具体包括：

步骤1021，根据历史操作信息，采用决策树算法确定待播放音视频的目标播放音量。

可选地，步骤1021具体可以包括：

步骤10211，创建训练数据集。

步骤10212，采用训练数据集训练决策树模型，获得训练好的决策树模型。

步骤10213，将历史操作信息输入训练好的决策树模型，获得待播放音视频的目标播放音量。

具体的，决策树算法是一种树形的数据结构的分类算法，树结构一般由节点、分支和叶子组成。决策树算法的分类过程：首先通过训练集样本数据理解和研究之后构建对应的决策树模型，然后把未预测的未知样本通过遍历树结构进行分类，如果当前树结构无法进行分类，则把该未知样本添加到决策树上面。决策树就是通过遍历树结点，通过结点的判断得到分类结果。

可选地，可以采用决策树算法中的C4.5算法确定待播放音视频的目标播放音量。也可以采用其他的算法，比如ID3算法。ID3算法是决策树数据结构的一种常用算法，算法根据信息增益，运用自顶向下的贪心策略建立决策树。因此，信息增益直接影响到算法的优劣，所建立的决策树规模也会影响到算法的查询速度。C4.5算法是以ID3算法为核心而改进的另一种决策树算法。C4.5算法在拥有ID3算法的所有优点的同时，也对ID3算法进行改进：用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足；在树构造过程中进行剪枝；能够完成对连续属性的离散化处理；能够对不完整数据进行处理。C4.5算法的构造逻辑便于理解，算法精确度比较高，但是，算法在运行时迭代的次数较多，一定程度上影响算法的运行速率。C4.5算法使用信息增益率进行树分裂节点的选择。假设D是数据集，C是属性，有m个属性，CiD表示在数据集D中Ci属性的属性值集合，CiD表示属性值个数。

以下以歌曲为例进行说明：

创建训练数据集的过程：可以是手工标注一部分数据，比如有500条数据，获取出最合适的音量，然后让决策树模型来学习这个规则，并自己学习出其他数据集的结果。手工标注的方案如下：

首先对数据集进行一个按照歌曲音量的排序，即音量按照由大到小排序。并使用MapReduce，对相同的音量进行加和，得到一条歌曲，相同播放音量的个数，并认为，count后的最多的音量为最合适音量。

MapReduce是一种编程模型，用于大规模数据集(大于1TB)的并行运算。概念"Map(映射)"和"Reduce(归约)"，是它们的主要思想，都是从函数式编程语言里借来的，还有从矢量编程语言里借来的特性。它极大地方便了编程人员在不会分布式并行编程的情况下，将自己的程序运行在分布式系统上。当前的软件实现是指定一个Map(映射)函数，用来把一组键值对映射成一组新的键值对，指定并发的Reduce(归约)函数，用来保证所有映射的键值对中的每一个共享相同的键组。

手工标注这些数据为最合适的音量，决策树可以自己学习规则，并且预测出数据集中其他数据的结果。

作为另一种可实施的方式，在上述实施例一的基础上，可选地，步骤102之前，该方法还可以包括：

步骤201，采用计算引擎spark对历史数据进行清洗。

具体的，可以将历史数据存放在数据库中，使用spark对采集到的历史操作数据进行清洗，并将清洗后的数据缓存在分布式内存中。洗掉没有播放时长最长音量的数据。

以歌曲为例，历史操作数据是通过歌曲播放app采集到的数据，因为采集过程中也可能出现问题，所以采集到的数据未必能够全部使用，需要进行数据清洗，设定要采集的数据如表1的结构，这样的数据存储在oracle数据库中。将oracle中的数据先转化成文本形式，这时无论是否进行清洗都需要转化文件格式才能进行大数据分析建模。将oracle的数据直接转化成文本，也是不能直接进行建模的，在将文本转化成格式文本才可以进行建模，在格式化的同时清洗数据，就是将采集到的不是所有字段都有值的数据去掉，并且保留下，在整首歌曲播放过程中播放时间最长的音量为当前这条数据的最合适音量。并同时将数据格式转化成分析建模时所需要的文本格式，即所有数据按照先后顺序，直接排列，并中间用“|”分隔符分隔(这些都通过调用spark的发放可以直接完成)。

表1

再用清洗后的数据进行大数据分析建模，使用决策树算法，对清洗后的数据进行分析建模。并通过决策树的分析，最后评估得到该歌曲的最适合音量。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

本实施例提供的音量调节的处理方法，通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。并且通过spark对历史数据进行清洗，提高数据的准确性，通过决策树算法确定适合用户的目标播放音量，实现了基于大数据自动调节音量。

实施例三

本实施例提供一种音量调节的处理装置，用于执行上述实施例一的方法。

如图3所示，为本实施例提供的音量调节的处理装置的结构示意图。该音量调节的处理装置30包括获取模块31、处理模块32和控制模块33。

其中，获取模块31用于获取待播放音视频对应的历史数据，历史数据包括用户历史播放待播放音视频的历史操作信息；处理模块32用于根据历史操作信息，确定待播放音视频的目标播放音量；控制模块33用于根据目标播放音量控制待播放音视频的音量。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

根据本实施例提供的音量调节的处理装置，通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。

实施例四

本实施例对上述实施例三提供的装置做进一步补充说明。

作为一种可实施的方式，在上述实施例三的基础上，可选地，历史操作信息包括每次播放的音视频的标识信息，以及各标识信息对应的播放时间、播放音量、音量调节信息、不同音量对应的播放时长、待播放音视频的总时长。

作为另一种可实施的方式，在上述实施例三的基础上，可选地，处理模块，具体用于根据历史操作信息，采用决策树算法确定待播放音视频的目标播放音量。

可选地，处理模块，具体用于：

创建训练数据集；采用训练数据集训练决策树模型，获得训练好的决策树模型；将历史操作信息输入训练好的决策树模型，获得待播放音视频的目标播放音量。

作为再一种可实施的方式，在上述实施例三的基础上，可选地，处理模块，还用于采用计算引擎spark对历史数据进行清洗。

关于本实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

需要说明的是，本实施例中各可实施的方式可以单独实施，也可以在不冲突的情况下以任意组合方式结合实施本申请不做限定。

根据本实施例的音量调节的处理装置，通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。并且通过spark对历史数据进行清洗，提高数据的准确性，通过决策树算法确定适合用户的目标播放音量，实现了基于大数据自动调节音量。

实施例五

本实施例提供一种计算机设备，用于执行上述实施例提供的音量调节的处理方法。该计算机设备可以为手机、平板电脑、笔记本电脑、台式电脑以及其他能够播放音视频的终端，还可以是大数据能力开放平台或服务器等设备。

如图4所示，为本实施例提供的计算机设备的结构示意图。该计算机设备50包括：至少一个处理器51和存储器52；

存储器存储计算机程序；至少一个处理器执行存储器存储的计算机程序，以实现上述实施例提供的付费处理方法。

根据本实施例的计算机设备，通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。并且通过spark对历史数据进行清洗，提高数据的准确性，通过决策树算法确定适合用户的目标播放音量，实现了基于大数据自动调节音量。

实施例六

本实施例提供一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，计算机程序被执行时实现上述任一实施例提供的方法。

根据本实施例的计算机可读存储介质，通过根据待播放音视频的历史数据，分析确定适合用户的目标播放音量，并根据目标播放音量自动调节用户当前播放的待播放音视频的音量，实现了根据用户海量历史数据的自动调节音量，解决了现有技术用户因不方便调节音量导致听觉体验差等问题，有效提高了用户体验。并且通过spark对历史数据进行清洗，提高数据的准确性，通过决策树算法确定适合用户的目标播放音量，实现了基于大数据自动调节音量。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

Claims (4)

1.一种音量调节的处理方法，其特征在于，包括：

获取待播放音视频对应的历史数据，所述历史数据包括用户历史播放所述待播放音视频的标识信息对应的历史操作信息；其中，历史操作信息包括每次播放时的音视频的标识信息，以及各标识信息对应的播放时间、播放音量、音量调节信息、不同音量对应的播放时长、待播放音视频的总时长；所述音量调节信息包括调节次数和每次调节的音量变化；

根据所述历史操作信息，采用决策树算法确定所述待播放音视频的目标播放音量；

根据所述目标播放音量控制所述待播放音视频的音量；

在根据所述历史操作信息，确定所述待播放音视频的目标播放音量之前，所述方法还包括：

采用计算引擎spark对所述历史数据进行清洗，洗掉没有播放时长最长音量的数据，并将清洗后的数据缓存在分布式内存中；

所述根据所述历史操作信息，采用决策树算法确定所述待播放音视频的目标播放音量包括：

创建训练数据集；采用训练数据集训练决策树模型，获得训练好的决策树模型；将历史操作信息输入训练好的决策树模型，获得待播放音视频的目标播放音量；

所述创建训练数据集包括：

对所述数据集按照音量进行排序，所述排序为按照音量由大到小的顺序排序，并使用MapReduce对相同音量的次数进行加和，得到在一条音视频中相同播放音量的播放次数，选取所述播放次数最多的音量为最合适音量，并手工标注这些数据为最合适的音量。

2.一种音量调节的处理装置，其特征在于，包括：

获取模块，用于获取待播放音视频对应的历史数据，所述历史数据包括用户历史播放所述待播放音视频的标识信息对应的历史操作信息；其中，历史操作信息包括每次播放时的音视频的标识信息，以及各标识信息对应的播放时间、播放音量、音量调节信息、不同音量对应的播放时长、待播放音视频的总时长；所述音量调节信息包括调节次数和每次调节的音量变化；

处理模块，用于根据所述历史操作信息，采用决策树算法确定所述待播放音视频的目标播放音量；

控制模块，用于根据所述目标播放音量控制所述待播放音视频的音量；

所述处理模块，还用于在根据所述历史操作信息，确定所述待播放音视频的目标播放音量之前，采用计算引擎spark对所述历史数据进行清洗，洗掉没有播放时长最长音量的数据，并将清洗后的数据缓存在分布式内存中；

所述处理模块，具体用于创建训练数据集；采用所述训练数据集训练决策树模型，获得训练好的决策树模型；将所述历史操作信息输入所述训练好的决策树模型，获得所述待播放音视频的目标播放音量；以及

所述处理模块，还用于创建训练数据集，包括：

对所述数据集按照音量进行排序，所述排序为按照音量由大到小的顺序排序，并使用MapReduce对相同音量的次数进行加和，得到在一条音视频中相同播放音量的播放次数，选取所述播放次数最多的音量为最合适音量，并手工标注这些数据为最合适的音量。

3.一种计算机设备，其特征在于，包括：至少一个处理器和存储器；

所述存储器存储计算机程序；所述至少一个处理器执行所述存储器存储的计算机程序，以实现权利要求1中所述的方法。

4.一种计算机可读存储介质，其特征在于，该计算机可读存储介质中存储有计算机程序，所述计算机程序被执行时实现权利要求1中所述的方法。

Images