CN109376265A - 歌曲推荐列表生成方法、介质、装置和计算设备 - Google Patents
歌曲推荐列表生成方法、介质、装置和计算设备 Download PDFInfo
- Publication number
- CN109376265A CN109376265A CN201811519277.XA CN201811519277A CN109376265A CN 109376265 A CN109376265 A CN 109376265A CN 201811519277 A CN201811519277 A CN 201811519277A CN 109376265 A CN109376265 A CN 109376265A
- Authority
- CN
- China
- Prior art keywords
- song
- collection
- user
- songs
- similar
- 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.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明的实施方式提供了一种歌曲推荐列表生成方法、介质、装置和计算设备。该方法包括:根据当前播放歌曲列表从曲库中获取与所述当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;获取用户的听歌偏好数据以及获取所述候选集合中歌曲的歌曲特征;根据所述用户的听歌偏好数据和所述歌曲的歌曲特征对所述候选集合中的歌曲进行排序;根据排序的结果生成所述歌曲推荐列表。本发明实施例能够根据用户实时的听歌偏好推荐相匹配的歌曲,这样即使在用户听歌口味发生变化的场景下也能及时适应。
Description
技术领域
本发明的实施方式涉及音频播放技术领域,更具体地,本发明的实施方式涉及歌曲推荐列表生成方法、介质、装置和计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前,一些音乐播放平台能够为用户提供歌曲推荐列表,从而为用户推荐歌曲。现有的生成歌曲推荐列表的方式是预先获取用户听歌的历史数据,然后分析得到用户的听歌口味偏好,再根据用户的听歌口味偏好查找对应的歌曲推荐给用户。这种方式生成的歌曲推荐列表仅仅是根据用户以往的听歌偏好,无法适应用户听歌偏好发生变化的场景。
发明内容
在本上下文中,本发明的实施方式期望提供一种歌曲推荐列表生成方法和装置。
在本发明实施方式的第一方面中,提供了一种歌曲推荐列表生成方法,包括:
根据当前播放歌曲列表从曲库中获取与所述当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;
获取用户的听歌偏好数据以及获取所述候选集合中歌曲的歌曲特征;
根据所述用户的听歌偏好数据和所述歌曲的歌曲特征对所述候选集合中的歌曲进行排序;
根据排序的结果生成所述歌曲推荐列表。
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
确定所述候选集合与用户收藏的歌曲集合的交集;
从所述曲库中获取与所述交集中的歌曲分别相似的歌曲,并加入所述候选集合。
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
获取所述当前播放歌曲列表中歌曲的当前演唱者信息,获取与所述当前演唱者信息相似的相似演唱者信息;
从用户收藏的歌曲集合中确定分别与所述当前演唱者信息和所述相似演唱者信息对应的歌曲,并加入第一集合;
从所述曲库中获取与所述第一集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第一集合中的歌曲加入所述候选集合。
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
获取所述当前播放歌曲列表中歌曲的风格信息;
从用户收藏的歌曲集合中确定与所述风格信息对应的歌曲,并加入第二集合;
从所述曲库中获取与所述第二集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第二集合中的歌曲加入所述候选集合
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
获取所述用户在当前时刻之前第一预设时间段的播放记录,选取所述播放记录中播放次数大于预设次数门限的歌曲,并加入第三集合;
从所述曲库中获取与所述第三集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第三集合中的歌曲加入所述候选集合。
在本发明的一个实施例中,所述当前播放歌曲列表中包含至少两首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
确定所述用户在当前时刻之前第二预设时间段的历史播放歌曲集合;
确定所述历史播放歌曲集合与用户收藏的歌曲集合的交集;
从所述曲库中获取与所述交集中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述交集中的歌曲加入所述候选集合。
在本发明的一个实施例中,获取所述候选集合中歌曲的歌曲特征之前,还包括:
将所述用户收藏的歌曲集合中的歌曲按照歌曲风格分类;
针对每一类歌曲风格中的歌曲,选取加入所述收藏歌曲列表的时刻与当前时刻间隔最近的至少一个歌曲,并加入所述候选集合。
在本发明的一个实施例中,所述根据所述用户的听歌偏好数据和所述歌曲的歌曲特征对所述候选集合中的歌曲进行排序,包括:
根据所述用户的听歌偏好数据和各个所述歌曲的歌曲特征,通过收藏预估模型得到所述用户收藏各个所述歌曲的概率值;
根据所述概率值对所述候选集合中的歌曲进行排序。
在本发明的一个实施例中,所述收藏预估模型是根据所述用户的听歌偏好数据和用户在第三预设时间段内对歌曲的操作动作信息建立的。
在本发明的一个实施例中,还包括:
针对所述歌曲推荐列表,采用以下过滤策略中的至少一项过滤歌曲;
过滤策略一:同一演唱者演唱的歌曲数目不超过第一预设数目门限;
过滤策略二:过滤所述用户在第四预设时间段内播放过、但不包含于所述用户收藏的歌曲集合中的歌曲信息;
过滤策略三:相同歌曲内容、但演唱者不同的歌曲数目不超过第二预设数目门限;
过滤策略四:同一歌曲风格的歌曲数目不超过第三预设数目门限。
在本发明的一个实施例中,还包括:
针对所述歌曲推荐列表,将包含于用户收藏的歌曲集合中的歌曲以及不包含于用户收藏的歌曲集合中的歌曲按照预设比例间隔排列;
其中,在所述歌曲推荐列表的第一序列位置之前,所述包含于用户收藏的歌曲集合中的歌曲的所述预设比例,大于所述不包含于用户收藏的歌曲集合中的歌曲的所述预设比例;和/或,
在所述歌曲推荐列表的第二序列位置之后,所述包含于用户收藏的歌曲集合中的歌曲的所述预设比例,小于所述不包含于用户收藏的歌曲集合中的歌曲的所述预设比例。
在本发明的一个实施例中,所述根据当前播放歌曲列表从曲库中获取与所述当前播放歌曲列表中歌曲分别相似的歌曲之前,还包括:
向用户显示歌曲推荐提示信息,当接收到来自所述用户的歌曲推荐指令时,进一步执行所述根据当前播放歌曲列表从曲库中获取与所述当前播放歌曲列表中歌曲分别相似的歌曲的步骤。
在本发明的一个实施例中,在根据排序的结果生成所述歌曲推荐列表之后,还包括:
按照预设顺序播放所述歌曲推荐列表中的歌曲;
当所述歌曲推荐列表中的歌曲不包含于用户收藏的歌曲集合时,在所述歌曲的展示位中显示推荐标识。
在本发明实施方式的第二方面中,提供了一种歌曲推荐列表生成装置,包括:
歌曲获取模块,用于根据当前播放歌曲列表从曲库中获取与所述当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;
特征获取模块,用于获取用户的听歌偏好数据以及获取所述候选集合中歌曲的歌曲特征;
排序模块,用于根据所述用户的听歌偏好数据和所述歌曲的歌曲特征对所述候选集合中的歌曲进行排序;
推荐模块,用于根据排序的结果生成所述歌曲推荐列表。
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
所述歌曲获取模块还用于,确定所述候选集合与用户收藏的歌曲集合的交集;从所述曲库中获取与所述交集中的歌曲分别相似的歌曲,并加入所述候选集合。
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
所述歌曲获取模块还用于:
获取所述当前播放歌曲列表中歌曲的当前演唱者信息,获取与所述当前演唱者信息相似的相似演唱者信息;
从用户收藏的歌曲集合中确定分别与所述当前演唱者信息和相似演唱者信息对应的歌曲,并加入第一集合;
从所述曲库中获取与所述第一集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第一集合中的歌曲加入所述候选集合。
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
所述歌曲获取模块还用于:
获取所述当前播放歌曲列表中歌曲的风格信息;
从用户收藏的歌曲集合中确定与所述风格信息对应的歌曲,并加入第二集合;
从所述曲库中获取与所述第二集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第二集合中的歌曲加入所述候选集合
在本发明的一个实施例中,所述当前播放歌曲列表中包含一首歌曲;
所述歌曲获取模块还用于:
获取所述用户在当前时刻之前第一预设时间段的播放记录,选取所述播放记录中播放次数大于对应的预设门限的歌曲,并加入第三集合;
从所述曲库中获取与所述第三集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第三集合中的歌曲加入所述候选集合。
在本发明的一个实施例中,所述当前播放歌曲列表中包含至少两首歌曲;
所述歌曲获取模块还用于:
确定所述用户在当前时刻之前第二预设时间段的历史播放歌曲集合;
确定所述历史播放歌曲集合与用户收藏的歌曲集合的交集;
从所述曲库中获取与所述交集中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述交集中的歌曲加入所述候选集合。
在本发明的一个实施例中,所述歌曲获取模块还用于:
将所述用户收藏的歌曲集合中的歌曲按照歌曲风格分类;
针对每一类歌曲风格中的歌曲,选取加入所述收藏歌曲列表的时刻与当前时刻间隔最近的至少一个歌曲,并加入所述候选集合。
在本发明的一个实施例中,所述排序模块用于:
根据所述用户的听歌偏好数据和各个所述歌曲的歌曲特征,通过收藏预估模型得到所述用户收藏各个所述歌曲的概率值;
根据所述概率值对所述候选集合中的歌曲进行排序。
在本发明的一个实施例中,所述收藏预估模型是根据所述用户的听歌偏好数据和用户在第三预设时间段内对歌曲的操作动作信息建立的。
在本发明的一个实施例中,还包括过滤模块,用于针对所述歌曲推荐列表,采用以下过滤策略中的至少一项过滤歌曲;
过滤策略一:同一演唱者演唱的歌曲数目不超过第一预设数目门限;
过滤策略二:过滤所述用户在第四预设时间段内播放过、但不包含于所述用户收藏的歌曲集合中的歌曲信息;
过滤策略三:相同歌曲内容、但演唱者不同的歌曲数目不超过第二预设数目门限;
过滤策略四:同一歌曲风格的歌曲数目不超过第三预设数目门限。
在本发明的一个实施例中,还包括二次排序模块,用于针对所述歌曲推荐列表,将包含于用户收藏的歌曲集合中的歌曲以及不包含于用户收藏的歌曲集合中的歌曲按照预设比例间隔排列;
其中,在所述歌曲推荐列表的第一序列位置之前,所述包含于用户收藏的歌曲集合中的歌曲的所述预设比例,大于所述不包含于用户收藏的歌曲集合中的歌曲的所述预设比例;和/或,
在所述歌曲推荐列表的第二序列位置之后,所述包含于用户收藏的歌曲集合中的歌曲的所述预设比例,小于所述不包含于用户收藏的歌曲集合中的歌曲的所述预设比例。
在本发明的一个实施例中,还包括推荐模式选择模块,用于向用户显示歌曲推荐提示信息,当接收到来自所述用户的歌曲推荐指令时,指示所述歌曲获取模块建立所述候选集合。
在本发明的一个实施例中,还包括播放模块,用于按照预设顺序播放所述歌曲推荐列表中的歌曲;当所述歌曲推荐列表中的歌曲不包含于用户收藏的歌曲集合时,在所述歌曲的展示位中显示推荐标识。
在本发明实施方式的第三方面中,提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行实现上述歌曲推荐列表生成方法的步骤。
在本发明实施方式的第四方面中,提供了一种计算设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述歌曲推荐列表生成方法的步骤。
根据本发明实施方式的歌曲推荐列表生成方法和装置,可以从曲库中获取与当前播放歌曲列表中歌曲分别相似的歌曲,并根据用户的听歌偏好数据和歌曲的歌曲特征对获取的歌曲进行排序,生成歌曲推荐列表。从而能够根据用户实时的听歌偏好推荐相匹配的歌曲,这样即使在用户听歌口味发生变化的场景下也能及时适应。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法实现流程图一;
图2示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法实现流程图二;
图3示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法实现流程图三;
图4示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法实现流程图四;
图5示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法实现流程图五;
图6示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法实现流程图六;
图7示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法现流程图七;
图8示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法中,步骤S13的一种实现流程图;
图9示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法中音乐播放工具的播放页面示意图一;
图10示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法中音乐播放工具的播放页面示意图二;
图11示意性地示出了根据本发明一实施方式的歌曲推荐列表生成方法中,在歌曲的展示位中显示推荐标识的示意图;
图12示意性地示出了根据本发明一实施方式的用于歌曲推荐列表生成方法的介质示意图;
图13示意性地示出了根据本发明一实施方式的用于歌曲推荐列表生成装置结构示意图;
图14示意性地示出了根据本发明一实施方式的计算设备的结构示意图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种歌曲推荐列表生成方法、介质、装置和计算设备。
在本文中,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明人发现,现有的歌曲推荐技术中,生成的歌曲推荐列表仅仅是根据用户以往的听歌偏好,无法适应用户听歌偏好发生变化的场景。
有鉴于此,本发明提供一种歌曲推荐列表生成方法和装置,根据当前播放歌曲列表从曲库中获取与当前播放歌曲列表中歌曲分别相似的歌曲,并采用获取的歌曲生成歌曲推荐列表。由于在生成歌曲推荐列表时依据用户当前播放歌曲列表,因此能够适应用户听歌偏好发生变化的场景。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
示例性方法
下面参考图1来描述根据本发明示例性实施方式的歌曲推荐列表生成方法。
如图1所示,本发明实施例的歌曲推荐列表生成方法包括以下步骤:
S11:根据当前播放歌曲列表从曲库中获取与当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;
S12:获取用户的听歌偏好数据以及获取候选集合中歌曲的歌曲特征;
S13:根据用户的听歌偏好数据和上述候选集合中各个歌曲的歌曲特征对该候选集合中的歌曲进行排序;
S14:根据排序的结果生成歌曲推荐列表。
上述步骤S11中,当前播放歌曲列表中可以包含一首歌曲,也可以是包含至少两首歌曲。当包含一首歌曲时,从曲库中获取与该首歌曲相似的歌曲;当包含至少两首歌曲时,从曲库中分别获取与每首歌曲相似的歌曲。
通过上述过程,本发明实施例从曲库中获取与当前播放歌曲列表中每首歌曲分别相似的歌曲,并对获取的歌曲进行排序,生成歌曲推荐列表。由于将当前播放歌曲列表中的歌曲作为歌曲推荐列表中歌曲的选择依据,因此生成的歌曲推荐列表能够满足用户当前的听歌偏好,故而本发明实施例能够适应用户听歌偏好发生变化的场景。
在一种可能的实施方式中,相似歌曲的判断方式可以为:
预先根据歌曲播放系统中全部或部分用户的听歌历史记录,计算歌曲播放系统中任意两首歌曲之间的相似度分数。其中,听歌历史记录包括查询、播放、收藏等对歌曲的操作。例如,对于歌曲A和歌曲B,如果歌曲播放系统中同时将歌曲A和歌曲B作为收藏歌曲或播放歌曲的用户数量较大,则表明喜欢歌曲A的用户很可能也喜欢歌曲B,反之亦然,因此歌曲A和歌曲B的相似度较高。
在识别一首歌曲的相似歌曲时,根据这首歌曲与其他任意歌曲之间的相似度分数,识别该首歌曲的相似歌曲。
例如,对于歌曲A,在从曲库中获取歌曲A的相似歌曲时,可以首先获取歌曲A与曲库中其他歌曲的相似度分数。当需要获取歌曲A的N首相似歌曲时,可以从曲库中选取与A的相似度分数最大的N首歌曲,这些歌曲即为歌曲A的相似歌曲。
在以下的实施方式中,相似歌曲的判断方式与本实施方式中相似歌曲的判断方式相同。
如图2所示,在一种可能的实施方式中,生成候选集合的过程还可以包括:
S21:确定候选集合与用户收藏的歌曲集合的交集;
S22:从曲库中获取与交集中的歌曲分别相似的歌曲,并加入候选集合。
在一种可能的实施方式中,步骤S22中获取每首歌曲的相似歌曲数目可以根据该交集中的歌曲数目确定。一般情况下,交集中歌曲越多,则步骤S22中获取每首歌曲的相似歌曲越少。
例如,可以采用下表1所示的对应关系,根据交集中的歌曲数目确定步骤S22中的每首歌曲的相似歌曲数目。当然,表1中的具体数值仅为一种举例,本发明实施例可以采用其他预设数值的对应关系确定步骤S22中每首歌曲的相似歌曲数目。
交集中的歌曲数目 | 每首歌曲的相似歌曲数目 |
小于10 | 20 |
大于或等于10 | 5 |
表1
又如,可以采用如式子(1)所示的数学式,根据交集中的歌曲数目确定步骤S22中的每首歌曲的相似歌曲数目。
其中,n表示每首歌曲的相似歌曲数目;
m表示交集中的歌曲数目;
表示向上取整。
当然,式子(1)所示的数学式仅为一种举例,本发明实施例可以采用其他的数学式确定步骤S22中每首歌曲的相似歌曲数目。
采用上述方式,可以使步骤S22中加入候选集合的总歌曲数目保持在均衡的数值范围内。
如图3所示,在一种可能的实施方式中,生成候选集合的过程还可以包括:
S31:获取当前播放歌曲列表中歌曲的当前演唱者信息,获取与当前演唱者信息相似的相似演唱者信息。其中,相似演唱者的数目可以根据预先设置确定。
在一种可能的实施方式中,相似演唱者信息的判断方式可以为:
预先根据歌曲播放系统中全部或部分用户的听歌历史记录,计算歌曲播放系统中任意两个演唱者信息之间的相似度分数。例如,对于演唱者X和演唱者Y,在歌曲播放系统中,如果存在大量用户同时将多首演唱者X演唱的歌曲和多首演唱者Y演唱的歌曲作为收藏歌曲或播放歌曲,则表明喜欢演唱者X的用户很可能也喜欢演唱者Y,反之亦然,因此演唱者X和演唱者Y的相似度较高。
在识别一个演唱者信息的相似演唱者信息时,根据这一演唱者信息与其他任意演唱者信息之间的相似度分数,识别该演唱者信息的相似演唱者信息。
例如,对于演唱者信息X,在获取演唱者信息X的相似演唱者信息时,可以首先获取演唱者信息X与其他演唱者信息的相似度分数。当需要获取演唱者信息的M个相似演唱者信息时,可以选取与X的相似度分数最大的M个演唱者信息,这些演唱者信息即为X的相似演唱者信息。
S32:从用户收藏的歌曲集合中确定分别与当前演唱者信息和相似演唱者信息对应的歌曲,并加入第一集合。
在一种可能的实施方式中,演唱者信息对应的歌曲,可以是该演唱者信息所对应的演唱者所演唱的歌曲。
S33:从曲库中获取与第一集合中的歌曲分别相似的歌曲,将分别相似的歌曲及第一集合中的歌曲加入候选集合。其中,每首歌曲的相似歌曲数目可以根据预先设置确定。
在一种可能的实施方式中,步骤S33中获取每首歌曲的相似歌曲数目可以根据该第一集合中的歌曲数目确定。一般情况下,第一集合中歌曲越多,则步骤S33中获取每首歌曲的相似歌曲越少。具体地,可以采用类似上述表1或式子(1)的方式确定步骤S33中每首歌曲的相似歌曲数目,不再赘述。
可见,在本实施例中,加入候选集合的歌曲既包括用户未听过的新歌,也包括用户已听过的老歌(老歌包含于S32确定的第一集合中)。这样,为用户生成的歌曲推荐列表中同时包括老歌和新歌,为用户推荐的歌曲类型更为丰富。
如图4所示,在一种可能的实施方式中,生成候选集合的过程还可以包括:
S41:获取当前播放歌曲列表中歌曲的风格信息。
S42:从用户收藏的歌曲集合中确定与该风格信息对应的歌曲,并加入第二集合。
S43:从曲库中获取与第二集合中的歌曲分别相似的歌曲,将分别相似的歌曲及第二集合中的歌曲加入候选集合。
在一种可能的实施方式中,风格信息可以包含歌曲风格信息和/或语种信息。其中,歌曲风格信息可以包括流行、古典、蓝调、摇滚、轻音乐等。语种信息可以包括国语、粤语、英语、法语等。
在一种可能的实施方式中,步骤S43中获取每首歌曲的相似歌曲数目可以根据该第二集合中的歌曲数目确定。一般情况下,第二集合中歌曲越多,则步骤S43中获取每首歌曲的相似歌曲越少。具体地,可以采用类似上述表1或式子(1)的方式确定步骤S43中每首歌曲的相似歌曲数目,不再赘述。
如图5所示,在一种可能的实施方式中,生成候选集合的过程还可以包括:
S51:获取用户在当前时刻之前第一预设时间段的播放记录,选取播放记录中播放次数大于预设次数门限的歌曲,并加入第三集合;
S52:从曲库中获取与第三集合中的歌曲分别相似的歌曲,将分别相似的歌曲及第三集合中的歌曲加入所述候选集合。
在本实施例中,第一预设时间段可以设置为一周,也可以设置为任意长度的时间段。预设次数门限的具体数值可以根据实际情况调整,例如,当第一预设时间段的播放记录中,多数歌曲的播放次数均较低时,可以将预设次数门限设置为较小的值;当第一预设时间段的播放记录中,多数歌曲的播放次数均较高时,可以将预设次数门限设置为较大的值。以此来保证不同情况下加入第三集合的歌曲数目大体均衡。
在一种可能的实施方式中,步骤S52中获取每首歌曲的相似歌曲数目可以根据该第三集合中的歌曲数目确定。一般情况下,第三集合中歌曲越多,则步骤S52中获取每首歌曲的相似歌曲越少。具体地,可以采用类似上述表1或式子(1)的方式确定步骤S52中每首歌曲的相似歌曲数目,不再赘述。
如图6所示,在一种可能的实施方式中,生成候选集合的过程还可以包括:
S61:确定用户在当前时刻之前第二预设时间段的历史播放歌曲集合。
S62:确定历史播放歌曲集合与用户收藏的歌曲集合的交集;
S63:从曲库中获取与交集中的歌曲分别相似的歌曲,将分别相似的歌曲及交集中的歌曲加入候选集合。
在本实施例中,第二预设时间段可以设置为一个月,也可以设置为任意长度的时间段。
步骤S62在确定交集时,可以将历史播放歌曲集合与用户收藏的所有歌曲的集合求交集,也可以将历史播放歌曲集合与用户在当前时刻之前预定长度的时间段内收藏的歌曲的集合求交集。
在一种可能的实施方式中,步骤S63中获取每首歌曲的相似歌曲数目可以根据该交集中的歌曲数目确定。一般情况下,交集中歌曲越多,则步骤S63中获取每首歌曲的相似歌曲越少。具体地,可以采用类似上述表1或式子(1)的方式确定步骤S63中每首歌曲的相似歌曲数目,不再赘述。
通过上述方式,可以使加入候选集合的歌曲数目保持在均衡的数值范围。
为了保证推荐歌曲风格的多样性,如图7所示,在一种可能的实施方式中,生成候选集合的过程还可以包括:
S71:将用户收藏的歌曲集合中的歌曲按照歌曲风格分类;
S72:针对每一类歌曲风格中的歌曲,选取加入收藏歌曲列表的时刻与当前时刻间隔最近的至少一个歌曲,并加入候选集合。
在一种可能的实施方式中,歌曲风格可以包括流行、古典、蓝调、摇滚、轻音乐等。步骤S71中针对每一个歌曲风格,可以将属于该歌曲风格的歌曲按照收藏时间由近到远的顺序排序。
在一种可能的实施方式中,步骤S72中选取每种风格的歌曲数目可以根据歌曲风格的数目确定。一般情况下,歌曲风格越多,则步骤S72中选取每种风格的歌曲越少。具体地,可以采用类似上述表1或式子(1)的方式确定步骤S72中针对每种风格选取的歌曲数目,不再赘述。通过上述方式,可以使加入候选集合的歌曲数目保持在均衡的数值范围。
以上介绍了生成候选集合的多种实施方式,本发明实施例在生成候选集合时,可以采用上述实施方式中的任意一种、两种或多种。
在上述实施方式中,所述的收藏歌曲列表可以包括用户收藏的所有歌曲,也可以包括用户收藏的歌曲经过滤后剩余的歌曲。具体地,可以将户收藏的歌曲中的低频歌曲风格或低频语种的歌曲过滤掉,采用剩余歌曲组成的收藏歌曲列表生成上述候选集合。例如,在收藏歌曲列表中,如果一种歌曲风格或语种的歌曲数量占总歌曲数量的比值小于预设的比值门限,则将该歌曲风格或语种的歌曲过滤掉。
以上解决了歌曲推荐列表中歌曲的选取问题,选取出的歌曲均加入候选集合。在本发明后续的实施例中,将具体介绍歌曲推荐列表中歌曲的排序问题,即上述实施例中的步骤S12和S13。
如上所述,步骤S12包括,获取用户的听歌偏好数据以及获取候选集合中歌曲的歌曲特征。
在一种可能的实施方式中,用户的听歌偏好数据可以包括用户的歌曲风格偏好、语种偏好、演唱者偏好以及其他通过机器学习手段提取出来的特征数据。其中,演唱者偏好可以包括中国内地歌手、港台歌手、欧美歌手、男性歌手、女性歌手、老牌歌手、新生代歌手等。
歌曲的歌曲特征可以根据歌曲本身的特征以及播放此歌曲的用户群体的特征来提取,具体可以包括歌曲风格、语种、演唱者、音频格式类型等其他通过机器学习手段提取出来的特征。其中,音频格式类型可以包括微软音频(WMA,Windows Media Audio)格式、动态影像专家压缩标准音频层面3(MP3,Moving Picture Experts Group Audio Layer III)格式、无损音频压缩编码(FLAC,Free Lossless Audio Codec)格式等。听歌偏好数据和歌曲特征均可以以数字向量的形式表示。
如图8所示,在一种可能的实施方式中,上述步骤S13可以包括:
S131:根据用户的听歌偏好数据和各个歌曲的歌曲特征,通过收藏预估模型得到用户收藏各个歌曲的概率值。
S132:根据概率值对候选集合中的歌曲进行排序。
在一种可能的实施方式中,步骤S131中所使用的收藏预估模型是根据用户的听歌偏好数据建立的。该收藏预估模型还可以根据用户的听歌偏好数据和用户在第三预设时间段内对歌曲的操作动作信息来建立,即将用户的听歌偏好数据与用户对歌曲的操作信息结合起来,以提高对用户最近一段时间内听歌偏好预测的精准度。
例如,第三预设时间段可以设置为最近半年,或其他与当前时刻接近的任意长度的时间段。
具体地,建立收藏预估模型的方式可以为:
从歌曲播放系统中提取用户的听歌偏好数据、该用户在第三预设时间段内对歌曲的操作动作信息(如显示歌曲具体信息、点击播放、保存、收藏等)以及训练样本歌曲的歌曲特征,将这些信息作为收藏预估模型的训练样本。训练得到的收藏预估模型能够以待预估歌曲的歌曲特征作为输入,输出该用户收藏该歌曲的概率值。
相应地,步骤S131具体可以为:将用户的听歌偏好数据及候选集合中各个歌曲的歌曲特征分别输入收藏预估模型,得到该用户收藏各个歌曲的概率值。例如,第一次,将候选集合中的第一首歌曲输入收藏预估模型,得到该用户收藏第一首歌曲的概率值。第二次,将候选集合中的第二首歌曲输入收藏预估模型,得到该用户收藏第二首歌曲的概率值。按照这种方式继续执行,直至得到用户收藏最后一首歌曲的概率值。
在一种可能的实施方式中,步骤S132可以按照概率值由大到小的顺序对候选集合中的歌曲进行排序。
对候选集合中的歌曲进行排序之后,即可以根据排序的结果生成歌曲推荐列表。可以选取排序之后的候选集合中的全部或部分歌曲生成歌曲推荐列表。
在一种可能的实施方式中,针对生成的歌曲推荐列表,还可以采用以下过滤策略中的至少一项过滤歌曲;
过滤策略一:同一演唱者演唱的歌曲数目不超过第一预设数目门限;
过滤策略二:过滤所述用户在第四预设时间段内播放过、但不包含于所述用户收藏的歌曲集合中的歌曲信息;
过滤策略三:相同歌曲内容、但演唱者不同的歌曲数目不超过第二预设数目门限;
过滤策略四:同一歌曲风格的歌曲数目不超过第三预设数目门限。
在一种可能的实施方式中,针对过滤策略一,可以将第一预设数目门限设置为3。在歌曲推荐列表中,至多允许出现同一演唱者演唱的3首歌曲。在过滤过程中,依次获取歌曲推荐列表中各首歌曲的演唱者信息。判断该演唱者信息是否存在对应的计数器,如果存在,则判断该计数器的计数是否小于3,如果小于,则将该计数器的计数增加1;否则,从歌曲推荐列表删除该歌曲。如果不存在,则为该演唱者信息设定对应的计数器,并将计数器的初始值设置为1。
在一种可能的实施方式中,针对过滤策略二,可以将第四预设时间段设置为一周。在过滤过程中,当歌曲推荐列表的一首歌曲在一周内被播放过,但并不包含于用户收藏的歌曲集合中时,表明用户收听过该首歌曲但并不喜欢,因此可以将该歌曲从歌曲推荐列表中删除。
在一种可能的实施方式中,针对过滤策略三,可以将第二预设数目门限设置为2。在歌曲推荐列表中,至多允许出现2首同一内容但不同演唱者的歌曲。在过滤过程中,依次获取歌曲推荐列表中各首歌曲的歌曲内容。判断该歌曲内容是否存在对应的计数器,如果存在,则判断该计数器的计数是否小于2,如果小于,则将该计数器的计数增加1;否则,从歌曲推荐列表删除该歌曲。如果不存在,则为该歌曲内容设定对应的计数器,并将计数器的初始值设置为1。
在一种可能的实施方式中,针对过滤策略四,可以将第三预设数目门限设置为6。在歌曲推荐列表中,至多允许出现同一歌曲风格的6首歌曲。在过滤过程中,依次获取歌曲推荐列表中各首歌曲的歌曲风格信息。判断该歌曲风格信息是否存在对应的计数器,如果存在,则判断该计数器的计数是否小于6,如果小于,则将该计数器的计数增加1;否则,从歌曲推荐列表删除该歌曲。如果不存在,则为该歌曲风格信息设定对应的计数器,并将计数器的初始值设置为1。
在一种可能的实施方式中,针对生成的歌曲推荐列表或过滤之后的歌曲推荐列表,还可以对歌曲推荐列表进行二次排序。例如,可以针对歌曲推荐列表,将包含于用户收藏的歌曲集合中的歌曲以及不包含于用户收藏的歌曲集合中的歌曲按照预设比例间隔排列;
其中,在歌曲推荐列表的第一序列位置之前,包含于用户收藏的歌曲集合中的歌曲的预设比例,大于不包含于用户收藏的歌曲集合中的歌曲的预设比例;和/或,
在歌曲推荐列表的第二序列位置之后,包含于用户收藏的歌曲集合中的歌曲的预设比例,小于不包含于用户收藏的歌曲集合中的歌曲的预设比例。
在本实施例中,上述的第一序列位置可以设置在歌曲推荐列表的前半部分,例如设置在歌曲推荐列表前起1/3处。上述的第二序列位置可以设置在歌曲推荐列表的后半部分,例如设置在歌曲推荐列表前起2/3处。二次排序之后,歌曲推荐列表的前半部分以用户收藏的歌曲集合中的歌曲为主,中间部分次之,最后部分以推荐的新歌为主。最后可以将剩余的用户收藏的歌曲集合中的歌曲按照收藏时间由近到远的顺序添加到歌曲推荐列表的尾部。
通过上述二次排序过程,本发明实施例生成的歌曲推荐列表中的歌曲风格统一,能够为用户提供较佳的连续听歌体验。
以上介绍了本发明实施例生成歌曲推荐列表的过程。在以下的实施方式中,将介绍本发明实施例在为用户推荐歌曲时,与用户的交互方式示例。
在一种可能的实施方式中,本发明实施例提出的歌曲推荐列表生成方法还包括:
向用户显示歌曲推荐提示信息,当接收到来自用户的歌曲推荐指令时,进一步执行根据当前播放歌曲列表从曲库中获取与当前播放歌曲列表中歌曲分别相似的歌曲的步骤。
在用户初次或前几次使用歌曲推荐功能时,可以在音乐播放工具的播放页面显示歌曲推荐提示信息。如图9和图10分别为本发明实施例中音乐播放工具的两种播放页面示意图。在图9中,文字“根据你喜欢的音乐生成智能播放列表”即为歌曲推荐提示信息。当用户已多次使用歌曲推荐功能后,可以不再使用该歌曲推荐提示信息,如图10所示。
另外,可以在音乐播放工具的播放页面设置歌曲推荐功能键,用户通过点击该歌曲推荐功能键发送歌曲推荐指令。图9和图10左下角的图标即为该歌曲推荐功能键。
在一种可能的实施方式中,本发明实施例提出的歌曲推荐列表生成方法还包括:
按照预设顺序播放歌曲推荐列表中的歌曲;
当歌曲推荐列表中的歌曲不包含于用户收藏的歌曲集合时,在歌曲的展示位中显示推荐标识。
图11为本发明实施例中在歌曲的展示位中显示推荐标识的示意图,在图11中,部分歌曲名称后面的类似广播信号的图标即为推荐标识,表示该歌曲是为用户推荐的未听过的新歌。如果歌曲名称后面没有推荐标识,则表示该歌曲是用户收听过的老歌。
示例性介质
在介绍了本发明示例性实施方式的方法之后,接下来,参考图12对本发明示例性实施方式的介质进行说明。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种计算机可读介质,其上存储有程序,当所述程序被处理器执行时用于实现本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的歌曲推荐列表生成方法中的步骤。
具体地,上述处理器执行上述程序时用于实现如下步骤:根据当前播放歌曲列表从曲库中获取与当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;获取用户的听歌偏好数据以及获取候选集合中歌曲的歌曲特征;根据用户的听歌偏好数据和歌曲的歌曲特征对候选集合中的歌曲进行排序;根据排序的结果生成歌曲推荐列表。
需要说明的是:上述的介质可以是可读信号介质或者可读存储介质。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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
如图12所示,描述了根据本发明的实施方式的介质120,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序,并可以在设备上运行。然而,本发明不限于此,在本文件中,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。
可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算设备。
示例性装置
在介绍了本发明示例性实施方式的介质之后,接下来,参考图13对本发明示例性实施方式的装置进行说明。
如图13所示,本发明实施例的歌曲推荐列表生成装置可以包括:
歌曲获取模块1301,用于根据当前播放歌曲列表从曲库中获取与当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;
特征获取模块1302,用于获取用户的听歌偏好数据以及获取候选集合中歌曲的歌曲特征;
排序模块1303,用于根据用户的听歌偏好数据和歌曲的歌曲特征对候选集合中的歌曲进行排序;
推荐模块1304,用于根据排序的结果生成歌曲推荐列表。
在一种可能的实施方式中,当前播放歌曲列表中包含一首歌曲;
歌曲获取模块1301还用于,确定候选集合与用户收藏的歌曲集合的交集;从曲库中获取与交集中的歌曲分别相似的歌曲,并加入候选集合。
在一种可能的实施方式中,当前播放歌曲列表中包含一首歌曲;
歌曲获取模块1301还用于:
获取当前播放歌曲列表中歌曲的当前演唱者信息,获取与当前演唱者信息相似的相似演唱者信息;
从用户收藏的歌曲集合中确定分别与当前演唱者信息和相似演唱者信息对应的歌曲,并加入第一集合;
从曲库中获取与第一集合中的歌曲分别相似的歌曲,将分别相似的歌曲及第一集合中的歌曲加入候选集合。
在一种可能的实施方式中,当前播放歌曲列表中包含一首歌曲;
歌曲获取模块1301还用于:
获取当前播放歌曲列表中歌曲的风格信息;
从用户收藏的歌曲集合中确定与风格信息对应的歌曲,并加入第二集合;
从曲库中获取与第二集合中的歌曲分别相似的歌曲,将分别相似的歌曲及第二集合中的歌曲加入候选集合
在一种可能的实施方式中,当前播放歌曲列表中包含一首歌曲;
歌曲获取模块1301还用于:
获取用户在当前时刻之前第一预设时间段的播放记录,选取播放记录中播放次数大于对应的预设门限的歌曲,并加入第三集合;
从曲库中获取与第三集合中的歌曲分别相似的歌曲,将分别相似的歌曲及第三集合中的歌曲加入候选集合。
在一种可能的实施方式中,当前播放歌曲列表中包含至少两首歌曲;
歌曲获取模块1301还用于:
确定用户在当前时刻之前第二预设时间段的历史播放歌曲集合;
确定历史播放歌曲集合与用户收藏的歌曲集合的交集;
从曲库中获取与交集中的歌曲分别相似的歌曲,将分别相似的歌曲及交集中的歌曲加入候选集合。
在一种可能的实施方式中,歌曲获取模块1301还用于:
将用户收藏的歌曲集合中的歌曲按照歌曲风格分类;
针对每一类歌曲风格中的歌曲,选取加入收藏歌曲列表的时刻与当前时刻间隔最近的至少一个歌曲,并加入候选集合。
在一种可能的实施方式中,排序模块1303用于:
根据用户的听歌偏好数据和各个歌曲的歌曲特征,通过收藏预估模型得到用户收藏各个歌曲的概率值;
根据概率值对候选集合中的歌曲进行排序。
在一种可能的实施方式中,收藏预估模型是根据用户的听歌偏好数据、歌曲的歌曲特征和用户在第三预设时间段内对歌曲的操作动作信息建立的。
在一种可能的实施方式中,还包括过滤模块1305,用于针对歌曲推荐列表,采用以下过滤策略中的至少一项过滤歌曲;
过滤策略一:同一演唱者演唱的歌曲数目不超过第一预设数目门限;
过滤策略二:过滤所述用户在第四预设时间段内播放过、但不包含于所述用户收藏的歌曲集合中的歌曲信息;
过滤策略三:相同歌曲内容、但演唱者不同的歌曲数目不超过第二预设数目门限;
过滤策略四:同一歌曲风格的歌曲数目不超过第三预设数目门限。
在一种可能的实施方式中,还包括二次排序模块1306,用于针对歌曲推荐列表,将包含于用户收藏的歌曲集合中的歌曲以及不包含于用户收藏的歌曲集合中的歌曲按照预设比例间隔排列;
其中,在歌曲推荐列表的第一序列位置之前,包含于用户收藏的歌曲集合中的歌曲的预设比例,大于不包含于用户收藏的歌曲集合中的歌曲的预设比例;和/或,
在歌曲推荐列表的第二序列位置之后,包含于用户收藏的歌曲集合中的歌曲的预设比例,小于不包含于用户收藏的歌曲集合中的歌曲的预设比例。
在一种可能的实施方式中,还包括推荐模式选择模块1307,用于向用户显示歌曲推荐提示信息,当接收到来自用户的歌曲推荐指令时,指示歌曲获取模块1301建立候选集合。
在一种可能的实施方式中,还包括播放模块1308,用于按照预设顺序播放歌曲推荐列表中的歌曲;当歌曲推荐列表中的歌曲不包含于用户收藏的歌曲集合时,在歌曲的展示位中显示推荐标识。
示例性计算设备
在介绍了本发明示例性实施方式的方法、介质和装置之后,接下来,参考图14对本发明示例性实施方式的计算设备进行说明。
所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本发明实施方式的计算设备可以至少包括至少一个处理单元以及至少一个存储单元。其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明的各种示例性实施方式的歌曲推荐列表生成方法中的步骤。
下面参照图14来描述根据本发明的这种实施方式的计算设备140。图14显示的计算设备140仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图14所示,计算设备140以通用计算设备的形式表现。计算设备140的组件可以包括但不限于:上述至少一个处理单元1401、上述至少一个存储单元1402,连接不同系统组件(包括处理单元1401和存储单元1402)的总线1403。
总线1403包括数据总线、控制总线和地址总线。
存储单元1402可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)14021和/或高速缓存存储器14022,可以进一步包括非易失性存储器形式的可读介质,例如只读存储器(ROM)14023。
存储单元1402还可以包括具有一组(至少一个)程序模块14024的程序/实用工具14025,这样的程序模块14024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备140也可以与一个或多个外部设备1404(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口1405进行。并且,计算设备140还可以通过网络适配器1406与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图14所示,网络适配器1406通过总线1403与计算设备140的其它模块通信。应当理解,尽管图中未示出,可以结合计算设备140使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了歌曲推荐列表生成装置的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种歌曲推荐列表生成方法,其特征在于,包括:
根据当前播放歌曲列表从曲库中获取与所述当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;
获取用户的听歌偏好数据以及获取所述候选集合中歌曲的歌曲特征;
根据所述用户的听歌偏好数据和所述歌曲的歌曲特征对所述候选集合中的歌曲进行排序;
根据排序的结果生成所述歌曲推荐列表。
2.根据权利要求1所述的方法,其特征在于,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
确定所述候选集合与用户收藏的歌曲集合的交集;
从所述曲库中获取与所述交集中的歌曲分别相似的歌曲,并加入所述候选集合。
3.根据权利要求1所述的方法,其特征在于,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
获取所述当前播放歌曲列表中歌曲的当前演唱者信息,获取与所述当前演唱者信息相似的相似演唱者信息;
从用户收藏的歌曲集合中确定分别与所述当前演唱者信息和所述相似演唱者信息对应的歌曲,并加入第一集合;
从所述曲库中获取与所述第一集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第一集合中的歌曲加入所述候选集合。
4.根据权利要求1所述的方法,其特征在于,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
获取所述当前播放歌曲列表中歌曲的风格信息;
从用户收藏的歌曲集合中确定与所述风格信息对应的歌曲,并加入第二集合;
从所述曲库中获取与所述第二集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第二集合中的歌曲加入所述候选集合。
5.根据权利要求1所述的方法,其特征在于,所述当前播放歌曲列表中包含一首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
获取所述用户在当前时刻之前第一预设时间段的播放记录,选取所述播放记录中播放次数大于预设次数门限的歌曲,并加入第三集合;
从所述曲库中获取与所述第三集合中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述第三集合中的歌曲加入所述候选集合。
6.根据权利要求1所述的方法,其特征在于,所述当前播放歌曲列表中包含至少两首歌曲;
获取所述候选集合中歌曲的歌曲特征之前,还包括:
确定所述用户在当前时刻之前第二预设时间段的历史播放歌曲集合;
确定所述历史播放歌曲集合与用户收藏的歌曲集合的交集;
从所述曲库中获取与所述交集中的歌曲分别相似的歌曲,将所述分别相似的歌曲及所述交集中的歌曲加入所述候选集合。
7.根据权利要求6所述的方法,其特征在于,获取所述候选集合中歌曲的歌曲特征之前,还包括:
将所述用户收藏的歌曲集合中的歌曲按照歌曲风格分类;
针对每一类歌曲风格中的歌曲,选取加入所述收藏歌曲列表的时刻与当前时刻间隔最近的至少一个歌曲,并加入所述候选集合。
8.一种歌曲推荐列表生成装置,其特征在于,包括:
歌曲获取模块,用于根据当前播放歌曲列表从曲库中获取与所述当前播放歌曲列表中歌曲分别相似的歌曲,并加入候选集合;
特征获取模块,用于获取用户的听歌偏好数据以及获取所述候选集合中歌曲的歌曲特征;
排序模块,用于根据所述用户的听歌偏好数据和所述歌曲的歌曲特征对所述候选集合中的歌曲进行排序;
推荐模块,用于根据排序的结果生成所述歌曲推荐列表。
9.一种介质,其存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
10.一种计算设备,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时,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811519277.XA CN109376265A (zh) | 2018-12-12 | 2018-12-12 | 歌曲推荐列表生成方法、介质、装置和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811519277.XA CN109376265A (zh) | 2018-12-12 | 2018-12-12 | 歌曲推荐列表生成方法、介质、装置和计算设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109376265A true CN109376265A (zh) | 2019-02-22 |
Family
ID=65374041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811519277.XA Pending CN109376265A (zh) | 2018-12-12 | 2018-12-12 | 歌曲推荐列表生成方法、介质、装置和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109376265A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110909199A (zh) * | 2019-11-18 | 2020-03-24 | 彩讯科技股份有限公司 | 一种基于车载系统的歌曲推荐展示方法及装置 |
CN112000836A (zh) * | 2020-08-20 | 2020-11-27 | 北京声智科技有限公司 | 歌曲播放方法、装置及电子设备 |
CN112785993A (zh) * | 2021-01-15 | 2021-05-11 | 杭州网易云音乐科技有限公司 | 一种乐曲生成方法、装置、介质和计算设备 |
US11114079B2 (en) | 2019-04-30 | 2021-09-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Interactive music audition method, apparatus and terminal |
CN113672758A (zh) * | 2021-08-20 | 2021-11-19 | 杭州网易云音乐科技有限公司 | 歌单生成方法、装置、介质和计算设备 |
WO2022160603A1 (zh) * | 2021-01-28 | 2022-08-04 | 北京字节跳动网络技术有限公司 | 歌曲的推荐方法、装置、电子设备及存储介质 |
CN115134670A (zh) * | 2022-07-22 | 2022-09-30 | 北京字跳网络技术有限公司 | 多媒体播放方法、设备、存储介质及程序产品 |
CN117390217A (zh) * | 2023-12-13 | 2024-01-12 | 杭州网易云音乐科技有限公司 | 歌曲片段的确定方法、装置、设备和介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608105A (zh) * | 2015-10-30 | 2016-05-25 | 浙江大学 | 一种基于收听上下文的音乐推荐方法 |
CN106844660A (zh) * | 2017-01-23 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种音乐推荐方法及装置 |
KR20170107868A (ko) * | 2016-03-16 | 2017-09-26 | (주)멜로다임 | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 |
CN107977373A (zh) * | 2016-10-21 | 2018-05-01 | 北京酷我科技有限公司 | 一种歌曲的推荐方法 |
CN108205533A (zh) * | 2016-12-16 | 2018-06-26 | 北京酷我科技有限公司 | 一种基于用户协同的歌曲推荐方法和系统 |
-
2018
- 2018-12-12 CN CN201811519277.XA patent/CN109376265A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608105A (zh) * | 2015-10-30 | 2016-05-25 | 浙江大学 | 一种基于收听上下文的音乐推荐方法 |
KR20170107868A (ko) * | 2016-03-16 | 2017-09-26 | (주)멜로다임 | 사용자 맥락, 추천 음악, 이용 행태로 구성된 데이터베이스를 활용한 음악 콘텐츠 추천 방법 및 시스템 |
CN107977373A (zh) * | 2016-10-21 | 2018-05-01 | 北京酷我科技有限公司 | 一种歌曲的推荐方法 |
CN108205533A (zh) * | 2016-12-16 | 2018-06-26 | 北京酷我科技有限公司 | 一种基于用户协同的歌曲推荐方法和系统 |
CN106844660A (zh) * | 2017-01-23 | 2017-06-13 | 腾讯科技(深圳)有限公司 | 一种音乐推荐方法及装置 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11114079B2 (en) | 2019-04-30 | 2021-09-07 | Baidu Online Network Technology (Beijing) Co., Ltd. | Interactive music audition method, apparatus and terminal |
CN110909199A (zh) * | 2019-11-18 | 2020-03-24 | 彩讯科技股份有限公司 | 一种基于车载系统的歌曲推荐展示方法及装置 |
CN112000836A (zh) * | 2020-08-20 | 2020-11-27 | 北京声智科技有限公司 | 歌曲播放方法、装置及电子设备 |
CN112785993A (zh) * | 2021-01-15 | 2021-05-11 | 杭州网易云音乐科技有限公司 | 一种乐曲生成方法、装置、介质和计算设备 |
CN112785993B (zh) * | 2021-01-15 | 2024-04-12 | 杭州网易云音乐科技有限公司 | 一种乐曲生成方法、装置、介质和计算设备 |
WO2022160603A1 (zh) * | 2021-01-28 | 2022-08-04 | 北京字节跳动网络技术有限公司 | 歌曲的推荐方法、装置、电子设备及存储介质 |
CN113672758A (zh) * | 2021-08-20 | 2021-11-19 | 杭州网易云音乐科技有限公司 | 歌单生成方法、装置、介质和计算设备 |
CN113672758B (zh) * | 2021-08-20 | 2024-04-12 | 杭州网易云音乐科技有限公司 | 歌单生成方法、装置、介质和计算设备 |
CN115134670A (zh) * | 2022-07-22 | 2022-09-30 | 北京字跳网络技术有限公司 | 多媒体播放方法、设备、存储介质及程序产品 |
WO2024016902A1 (zh) * | 2022-07-22 | 2024-01-25 | 北京字跳网络技术有限公司 | 多媒体播放方法、设备、存储介质及程序产品 |
CN117390217A (zh) * | 2023-12-13 | 2024-01-12 | 杭州网易云音乐科技有限公司 | 歌曲片段的确定方法、装置、设备和介质 |
CN117390217B (zh) * | 2023-12-13 | 2024-05-24 | 杭州网易云音乐科技有限公司 | 歌曲片段的确定方法、装置、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109376265A (zh) | 歌曲推荐列表生成方法、介质、装置和计算设备 | |
Levy et al. | Music information retrieval using social tags and audio | |
Typke et al. | A survey of music information retrieval systems | |
Burred et al. | Hierarchical automatic audio signal classification | |
US7788279B2 (en) | System and method for storing and retrieving non-text-based information | |
Wichern et al. | Segmentation, indexing, and retrieval for environmental and natural sounds | |
US20090228799A1 (en) | Method for visualizing audio data | |
CN108920648B (zh) | 一种基于音乐-图像语义关系的跨模态匹配方法 | |
CN110335625A (zh) | 背景音乐的提示及识别方法、装置、设备以及介质 | |
JP2009508156A (ja) | 音楽分析 | |
Muelder et al. | Content based graph visualization of audio data for music library navigation | |
Rocha et al. | Segmentation and timbre-and rhythm-similarity in Electronic Dance Music | |
JP5293018B2 (ja) | 音楽情報処理装置、音楽情報処理方法およびコンピュータプログラム | |
Schuller et al. | Music theoretic and perception-based features for audio key determination | |
Klien et al. | On automated annotation of acousmatic music | |
Schindler | Multi-modal music information retrieval: Augmenting audio-analysis with visual computing for improved music video analysis | |
Wu et al. | Audio-based music visualization for music structure analysis | |
Lee et al. | Music recommendation system based on usage history and automatic genre classification | |
Liu | Effective results ranking for mobile query by singing/humming using a hybrid recommendation mechanism | |
JP5085577B2 (ja) | プレイリスト作成装置、楽曲再生装置、プレイリスト作成方法およびプレイリスト作成プログラム | |
KR20060113093A (ko) | 음악구조를 이용한 엠피쓰리 형식의 가요 음향에 대한 요약장치, 방법 및 이를 구현하기 위한 프로그램이 저장된기록매체 | |
Jitendra et al. | An ensemble model of CNN with Bi-LSTM for automatic singer identification | |
Park et al. | MRTB framework: a robust content-based music retrieval and browsing | |
Zieliński | Spatial Audio Scene Characterization (SASC) Automatic Classification of Five-Channel Surround Sound Recordings According to the Foreground and Background Content | |
EP4287039A1 (en) | System and method for content-based music project recommendation |
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 |