CN109802987B - 用于显示装置的内容推送方法、推送装置和显示设备 - Google Patents
用于显示装置的内容推送方法、推送装置和显示设备 Download PDFInfo
- Publication number
- CN109802987B CN109802987B CN201811056287.4A CN201811056287A CN109802987B CN 109802987 B CN109802987 B CN 109802987B CN 201811056287 A CN201811056287 A CN 201811056287A CN 109802987 B CN109802987 B CN 109802987B
- Authority
- CN
- China
- Prior art keywords
- music
- content
- currently presented
- sample
- keyword
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000013598 vector Substances 0.000 claims description 45
- 238000004422 calculation algorithm Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 15
- 239000012634 fragment Substances 0.000 claims description 14
- 238000012216 screening Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 8
- 238000010422 painting Methods 0.000 description 6
- 230000036651 mood Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 239000011435 rock Substances 0.000 description 3
- BQCADISMDOOEFD-UHFFFAOYSA-N Silver Chemical compound [Ag] BQCADISMDOOEFD-UHFFFAOYSA-N 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 229910052709 silver Inorganic materials 0.000 description 2
- 239000004332 silver Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000003796 beauty Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000010428 oil painting Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
- 238000010429 water colour painting Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
- G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
- G11B27/19—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier
-
- G—PHYSICS
- G11—INFORMATION STORAGE
- G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
- G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
- G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
- G11B27/102—Programmed access in sequence to addressed parts of tracks of operating record carriers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/06—Creation of reference templates; Training of speech recognition systems, e.g. adaptation to the characteristics of the speaker's voice
- G10L15/063—Training
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/08—Speech classification or search
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
- G10L25/54—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for retrieval
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/02—Constructional features of telephone sets
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/04—Synchronising
Abstract
本发明公开了一种用于显示装置的内容推送方法、装置和设备,其中,该内容推送方法包括:检测环境中的当前呈现音乐;获取所述当前呈现音乐的至少一个关键词;获取与所述当前呈现音乐的关键词相关联的待显示内容;将所述待显示内容推送至显示装置,以供显示装置显示所述待显示内容。本发明的技术方案可根据环境中的当前呈现音乐向显示装置推送相关联的显示内容,以使得用户的听觉感官所接收到内容与视觉感官感受到的内容相关联,提升用户的体验感。
Description
技术领域
本发明涉及显示技术领域,特别涉及一种用于显示装置的内容推送方法、推送装置和显示设备。
背景技术
在商场休息区、机场候机室、展览馆等场所,为提升用户的体验感,往往会为客户提供免费的视觉服务和听觉服务;例如,呈现一些音乐和视频。
然而,在实际应用中发现,由于呈现音乐的系统与播放视频的系统为两个独立不相关的系统,因此往往会出现呈现的音乐与显示屏所显示的内容毫不相干,例如,呈现的音乐为《超越梦想》中的片段,但是显示屏所显示内容为某广告;此时,用户的听觉感官所接收到内容与视觉感官感受到的内容不相关联,导致用户大脑处理的听觉信息和视觉信息不匹配,造成用户体验感极差。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一,提出了一种用于显示装置的内容推送方法、装置和设备。
为实现上述目的,本发明提供了一种用于显示装置的内容推送方法,包括:检测环境中的当前呈现音乐;获取所述当前呈现音乐的至少一个关键词;获取与所述当前呈现音乐的所述关键词相关联的待显示内容;将所述待显示内容推送至所述显示装置,以供所述显示装置显示所述待显示内容。
可选地,所述获取所述当前呈现音乐的至少一个关键词的步骤包括:根据所述当前呈现音乐获取实际音乐信息;将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段;从所述数据库中获取所述匹配度最高的样本音乐片段所对应的关键词,以作为所述当前呈现音乐的关键词;其中,所述数据库中记载有多个样本音乐片段及所述多个样本音乐片段对应的关键词。
可选地,所述实际音乐信息包括:所述当前呈现音乐的特征向量;所述根据所述当前呈现音乐获取实际音乐信息的步骤包括:对所述当前呈现音乐进行特征提取,以得到所述当前呈现音乐的特征向量;所述将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段的步骤包括:计算所述当前呈现音乐的特征向量与数据库中的各样本音乐片段的特征向量之间的相似度;确定与所述当前呈现音乐的特征向量的相似度最大的特征向量所对应的样本音乐片段,作为匹配度最高的样本音乐片段。
可选地,所述实际音乐信息包括:所述当前呈现音乐所对应的真实音乐片段;所述根据所述当前呈现音乐获取实际音乐信息的步骤包括:将所述当前呈现音乐输入至预先设计的音乐片段识别模型中进行识别,以确定所述当前呈现音乐对应的真实音乐片段;所述将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段的步骤包括:计算所述当前呈现音乐对应的所述真实音乐片段与数据库中的各样本音乐片段之间的相似度;确定与所述当前呈现音乐对应的所述真实音乐片段的相似度最大的样本音乐片段,作为匹配度最高的样本音乐片段。
可选地,所述计算所述当前呈现音乐对应的所述真实音乐片段与数据库中的各样本音乐片段之间的相似度的步骤包括:计算所述当前呈现音乐对应的所述真实音乐片段的音乐名称与数据库中的各样本音乐片段的音乐名称之间的相似度。
可选地,所述将所述当前呈现音乐输入至预先设计的音乐片段识别模型中进行识别的步骤之后,还包括:根据识别结果将所述当前呈现音乐添加至所述音乐片段识别模型相应的训练集中,并对所述音乐片段识别模型进行训练、更新。
可选地,所述获取所述当前呈现音乐的至少一个关键词的步骤包括:将所述当前呈现音乐输入至预先设计的关键词识别模型中进行识别,以确定所述当前呈现音乐对应的关键词。
可选地,所述获取与所述当前呈现音乐的关键词相关联的待显示内容的步骤包括:根据所述当前呈现音乐的关键词,从预先设置的内容存储库或互联网中搜索出与所述当前呈现音乐的关键词相关联的可选显示内容,其中搜索出的所述可选显示内容作为备选显示内容,所述内容存储库中预先存储有多个显示内容以及多个显示内容对应的关键词;从搜索出的全部备选显示内容中选取至少一个备选显示内容以作为所述待显示内容。
可选地,所述从搜索出的全部备选显示内容中选取至少一个所述备选显示内容以作为所述待显示内容的步骤包括:从所述内容存储库或互联网中获取全部备选显示内容所对应的关键词;采用预设的关键词相似度算法分别计算全部备选显示内容中的每一个与所述当前呈现音乐之间的关键词的相似度评分;筛选出全部相似度评分中大于预设评分阈值的相似度评分对应的备选显示内容;从筛选出的备选显示内容中选取至少一个备选显示内容以作为所述待显示内容。
可选地,所述获取与所述当前呈现音乐的所述关键词相关联的待显示内容的步骤之后,还包括:确定所述待显示内容的内容特征;根据所述内容特征确定所述待显示内容对应的显示模式;所述将所述待显示内容推送至所述显示装置的步骤之后还包括:控制所述显示装置采用所确定的所述显示模式来显示所述待显示内容。
本发明还提供了一种用于显示装置的内容推送装置,包括:音乐检测模块,用于检测环境中的当前呈现音乐;第一获取模块,用于获取所述当前呈现音乐的至少一个关键词;第二获取模块,用于获取与所述当前呈现音乐的关键词相关联的待显示内容;推送模块,用于将所述待显示内容推送至所述显示装置,以供所述显示装置显示所述待显示内容。
可选地,所述第一获取模块包括:音乐信息获取单元,用于根据所述当前呈现音乐获取实际音乐信息;匹配单元,用于将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段;关键词获取单元,用于从所述数据库中获取所述匹配度最高的样本音乐片段所对应的关键词,以作为所述当前呈现音乐的关键词;所述数据库中记载有多个样本音乐片段及所述多个样本音乐片段对应的关键词。
可选地,所述实际音乐信息包括:所述当前呈现音乐的特征向量;所述音乐信息获取单元包括:特征提取子单元,用于对所述当前呈现音乐进行特征提取,以得到所述当前呈现音乐的特征向量;所述匹配单元包括:第一计算子单元,用于计算所述当前呈现音乐的特征向量与数据库中的各样本音乐片段的特征向量之间的相似度;第一确定子单元,用于确定与所述当前呈现音乐的特征向量的相似度最大的特征向量所对应的样本音乐片段,作为匹配度最高的样本音乐片段。
可选地,所述实际音乐信息包括:所述当前呈现音乐所对应的真实音乐片段;所述音乐信息获取单元包括:片段识别子单元,用于利用预先设计的音乐片段识别模型来对所输入的所述当前呈现音乐进行识别,以确定所述当前呈现音乐对应的真实音乐片段;所述匹配单元包括:第二计算子单元,用于计算所述当前呈现音乐对应的所述真实音乐片段与数据库中的各样本音乐片段之间的相似度;第二确定子单元,用于确定与所述当前呈现音乐对应的所述真实音乐片段的相似度最大的样本音乐片段,作为匹配度最高的样本音乐片段。
可选地,所述第二计算子单元用于计算所述当前呈现音乐对应的所述真实音乐片段的音乐名称与数据库中的各样本音乐片段的音乐名称之间的相似度。
可选地,所述音乐信息获取单元还包括:训练子单元,用于在片段识别单元对所述当前呈现音乐完成识别后,根据识别结果将所述当前呈现音乐添加至所述音乐片段识别模型相应的训练集中,并对所述音乐片段识别模型进行训练、更新。
可选地,所述第一获取模块包括:关键词识别单元,用于根据预先设计的关键词识别模型对所输入的所述当前呈现音乐进行识别,以确定所述当前呈现音乐对应的关键词。
可选地,所述第二获取模块包括:搜索单元,用于从预先设置的内容存储库或互联网中搜索出与所述当前呈现音乐的关键词相关联的可选显示内容,其中搜索出的所述可选显示内容作为备选显示内容,所述内容存储库中预先存储有多个显示内容以及多个显示内容对应的关键词;选取单元,用于从搜索单元所搜索出的全部备选显示内容中选取至少一个所述备选显示内容以作为所述待显示内容。
可选地,所述选取单元包括:搜索子单元,用于从所述内容存储库或互联网中获取全部备选显示内容对应的关键词;第三计算子单元,用于采用预设的关键词相似度算法分别计算全部备选显示内容中的每一个与所述当前呈现音乐之间的关键词的相似度评分;筛选子单元,用于筛选出全部相似度评分中大于预设评分阈值的相似度评分对应的备选显示内容;选取子单元,用于从所述筛选子单元所筛选出的备选显示内容中选取至少一个备选显示内容以作为所述待显示内容。
可选地,所述内容推送装置还包括:特征确定模块,用于确定所述待显示内容的内容特征;模式确定模块,用于根据所述内容特征确定所述待显示内容对应的显示模式;显示控制模块,用于控制所述显示装置采用所确定的所述显示模式来显示所述待显示内容。
本发明还提供了一种显示设备,包括:显示屏;至少一个处理器;存储介质,存储有程序,且当所述程序运行时将控制至少一个所述处理器执行如上述内容推送方法。
附图说明
图1为本发明实施例一提供的一种内容推送方法的流程图;
图2为本发明实施例二提供的一种内容推送方法的流程图;
图3为本发明实施例三提供的一种内容推送装置的结构示意图;
图4a为图3中第一获取模块的一种结构示意图;
图4b为图3中第一获取模块的又一种结构示意图;
图5为本发明中选取单元的一种结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案,下面结合附图对本发明提供的一种用于显示装置的内容推送方法、装置和设备进行详细描述。
需要说明的是,本发明中的“音乐”至少包括旋律(又称为“曲调”,由旋律线和节奏构成),当然音乐中还可以包括歌词。本发明中的环境中所呈现的“音乐”的表现方式既可以现场演奏(例如:钢琴演奏、现场演唱),也可以为播放器播放;本发明的技术方案对环境中音乐的呈现形式不作限定。
图1为本发明实施例一提供的一种内容推送方法的流程图,如图1所示,该内容推送方法用于向显示装置进行内容推送,该内容推送包括:
步骤S1、检测环境中的当前呈现音乐。
在步骤S1中,利用音乐检测模块每隔预设时间(例如5s,可根据需要进行设定)开始检测一次当前呈现音乐(本质为一个音乐片段)。可选地,音乐检测模块包含声音传感器(例如麦克风)和音乐提取软件;声音传感器可感测环境中的声音信息,音乐提取软件对声音传感器所生成的声音信息进行处理以得到当前呈现音乐的数据,具体可以包括当前呈现音乐的旋律、歌词。
步骤S2、获取当前呈现音乐的至少一个关键词。
在步骤S2中,可对步骤S1所获取到的当前呈现音乐进行关键词提取,以得到当前呈现音乐所对应的至少一个关键词。
可选地,步骤S2包括:
步骤S201、根据当前呈现音乐获取实际音乐信息。
步骤S202、将实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段。
步骤S203、从数据库中获取该匹配度最高的样本音乐片段所对应的关键词,以作为当前呈现音乐的关键词。
其中,数据库中记载有多个样本音乐片段及各样本音乐片段对应的关键词。需要说明的是,各样本音乐片段对应的关键词的数量可以相同或不同,各样本音乐片段对应的关键词的数量具体可以为1个、2个或多个,本发明对此不作限定。
在实际应用中,可定期或实时从互联网中获取样本音乐片段并进行关键词提取,以对数据库进行更新。数据库对音乐片段进行关键词提取时,所提取的关键词的类型有多种,例如:音乐名称、音乐类型、音乐场景、音乐内容、音乐情绪等。其中,音乐类型可包括:流行乐、美声乐、乡村乐、爵士乐、拉丁乐、摇滚乐、通俗乐、古典乐、民族乐等;音乐场景可包括:咏史歌、抒情歌、情歌、儿歌、军歌、动漫歌曲等;音乐内容可包括:人、动植物、风景、车、天空等;音乐情绪可包括:激情、欢快、轻松、愤怒、抑郁、紧张、惊悚等。
例如,音乐片段为“我是一只小小小小鸟,想要飞呀飞却飞也飞不高”,其所提取出的对应的关键词可以为:我是一只小小鸟(音乐名称)、流行乐(音乐类型)、抒情歌(音乐场景)、小鸟(音乐内容)、飞(音乐内容)、抑郁(音乐情绪)等。
例如,音乐片段为“滚滚长江东逝水,浪花淘尽英雄”,其所提取出的对应的关键词可以为:滚滚长江东逝水(音乐名称)、美声乐(音乐类型)、咏史歌(音乐场景)、长江(音乐内容)、浪花(音乐内容)、英雄(音乐内容)、激情(音乐情绪)等。
需要说明的是,本发明中对数据库对音乐片段进行关键词提取时可采用快速自动关键词提取(Rapid Automatic Keyword Extraction,简称RAKE)算法、词频-逆向文件频率(Term Frequency-Inverse Document Frequency,简称TF-IDF)算法、随机游走(TextRank)算法等,当然本发明中还可采用其他关键词提取算法,此处不再一一举例说明。本领域技术人员应该知晓的是,本发明的技术方案对数据库中音乐片段进行关键词提取时所选用的算法不作限定。当然,数据库中音乐片段所对应的关键词还可以为根据实际需要进行人工配置。
作为一种可选方案,实际音乐信息包括:当前呈现音乐的特征向量。此时,步骤S201具体包括:
步骤S2011a、对当前呈现音乐进行特征提取,以得到当前呈现音乐的特征向量。
在步骤S2011中,可采用预设的音乐特征提取算法(例如二次特征提取、小波变换法、语谱分析法)对当前呈现音乐进行特征提取,所提取的特征可包括:音频时域特征(例如短时能量、短时平均过零率等)、频域特征、倒谱特征(例如线性预测倒谱系数、梅尔频率倒谱系数等)中的至少一者,所提取出的特征构成当前呈现音乐的特征向量。
当然,本发明中还可以采用其他特征提取算法进行特征提取,此处不再一一赘述。
此时,步骤S202具体包括:
步骤S2021a、计算当前呈现音乐的特征向量与数据库中的各样本音乐片段的特征向量之间的相似度。
在步骤S2021a中,可采用向量空间模型的余弦定理法或向量控制模型的余弦定理与欧几里德距离相结合的方法,来计算特征向量之间的相似度。
需要说明的是,在本发明中,可采用现有任意的向量相似度算法来计算当前呈现音乐的特征向量与各样本音乐片段的特征向量之间的相似度,本发明的技术方案对步骤S2021中所使用的向量相似度算法不作限定。
步骤S2022a、确定与当前呈现音乐的特征向量的相似度最大的特征向量所对应的样本音乐片段,作为匹配度最高的样本音乐片段。
作为另一种可选方案,实际音乐信息包括:当前呈现音乐所对应的真实音乐片段;此时,步骤S201具体包括
步骤S2011b、将当前呈现音乐输入至预先存储的音乐片段识别模型中进行识别,以确定当前呈现音乐对应的真实音乐片段。
音乐片段识别模型是基于预先设置的多个训练集(每个训练集对应一个类,对应同一音乐片段的各样本位于同一训练集中)采用预先设置的分类识别算法进行训练得到的。具体地,可预先从互联网中采集一些完整音乐(优选为官方发布的一些音乐表演)以及各完整音乐对应的音乐名称,然后将这些完整音乐进行分段,以得到若干个真实音乐片段;接着以每一个真实音乐片段作为一个类,针对每一个类,从互联网中大量采集表演过该真实音乐片段的音乐数据,以作为该类(真实音乐片段)的样本数据,从而得到该类所对应的训练集。
在步骤S2011b中,将当前呈现音乐输入至音乐片段识别模型内,该音乐片段识别模型可对所输入的当前呈现音乐进行识别,并输出当前呈现音乐所对应的真实音乐片段。需要说明的是,步骤S2011中通过对当前呈现音乐进行识别并输出对应的真实音乐片段,可便于后续能够更加精准的从数据库中匹配出相应的样本音乐片段。
在本发明中,音乐片段识别模型既可以为基于多层感知机、支持向量机、Boosting或最大熵等算法所构成的浅层识别模型,也可以是基于深度神经网络(Deep NeuralNetworks,简称DNN)所构成的深层识别模型。其中,深度神经网络相比于浅层识别模型,其最大的特点是选择特征的方式;浅层识别模型是由相关领域专家凭借自身经验选取样本特征,该模型关注于分类识别或预测任务,特征选取的好坏极大影响着算法的效果;而深度神经网络识别模型的本质是由多个隐含层通过大量数据样本去学习数据的特征,每个隐含层学到的是对数据不同层次抽象得到的特征,这种分层学习到的特征相对于人工选择的特征更能体现数据的本质,最终能提升分类或预测的准确性。
需要说明的是,本发明对音乐片段识别模型所基于的分类识别算法不作限定。
此时,步骤S202具体包括:
步骤S2021b、计算当前呈现音乐对应的真实音乐片段与数据库中的各样本音乐片段之间的相似度。
其中,可选地,在步骤S2021b中,可计算当前呈现音乐对应的真实音乐片段的音乐名称与数据库中的各样本音乐片段的音乐名称之间的相似度。
当然,还可以基于其他内容来表征两音乐片段的相似度,例如计算两音乐片段的特征向量的相似度,计算两音乐片段的曲调的相似度。具体情况此处不再一一举例说明。
步骤S2022b、确定与当前呈现音乐对应的真实音乐片段的相似度最大的样本音乐片段,作为匹配度最高的样本音乐片段。
本实施例中优选地,在步骤S2011b之后还包括:
步骤S2012b、根据识别结果将当前呈现音乐添加至音乐片段识别模型相应的训练集中,并对音乐片段识别模型进行训练、更新。
在步骤S2012b中,根据识别结果对音乐片段识别模型进行更新,可有效提升音乐片段识别模型的识别精准度。
作为又一种可选方案,步骤S2包括:
步骤S200:将当前呈现音乐输入至预先设计的关键词识别模型中进行识别,以确定当前呈现音乐对应的关键词。
根据前述内容可见,关键词的类型可有多个(例如音乐名称、音乐类型、音乐场景、音乐内容、音乐情绪等),而每一个关键词类型可包括多个类(例如:音乐类型可包括:流行乐、美声乐、乡村乐、爵士乐、拉丁乐、摇滚乐、通俗乐、古典乐、民族乐等;音乐场景可包括:咏史歌、抒情歌、情歌、儿歌、军歌、动漫歌曲等)。为此,可针对每一个关键词类型可设计一个关键词识别模型,该关键词识别模型可对所输入的音乐片段进行识别,以确定所输入的音乐片段在该关键词类型中所对应的类。
以建立音乐类型所对应的关键词识别模型为例,可以以“流行乐”“美声乐”“乡村乐”“爵士乐”“拉丁乐”“摇滚乐”“通俗乐”“古典乐”“民族乐”分别作为一个类,针对每一个类,可建立相应的训练集;以建立“流行乐”所对应的训练集为例,可以从互联网中获取一些流行音乐的音乐片段作为训练样本,以构成“流行乐”所对应的训练集;采用类似的方法,可得到各类对应的训练集。最后,对各训练集进行训练,以得到能够识别音乐类型的关键词识别模型。当向该关键词识别模型输入当前呈现音乐后,该关键词识别模型可输出当前呈现音乐所对应的音乐类型,输出结果可作为当前呈现音乐的一个关键词。
基于上述相同的原理,针对不同的关键词类型,可分别设计一个对应的关键词识别模型。在步骤S200中,利用不同的关键词识别模型以分别对当前呈现音乐的音乐名称、音乐类型、音乐场景、音乐内容、音乐情绪等进行识别,输出结果作为当前呈现音乐所对应的关键词。
需要说明的是,本发明对关键词识别模型的数量、所基于的分类识别算法均不作限定。
步骤S3、获取与当前呈现音乐的关键词相关联的待显示内容。
作为一种可选方案,步骤S3具体包括:
步骤S301、从预先设置的内容存储库或互联网中搜索出与当前呈现音乐的关键词相关联的可选显示内容,其中搜索出的可选显示内容作为备选显示内容。
内容存储库中预先存储有若干个显示内容以及各显示内容对应的关键词;该显示内容具体可以为人物介绍、音乐介绍、相关画作、视频片段等。显示内容对应的关键词可以为人物姓名、人物关键词、音乐关键词、画作名称、画作内容关键词、画作作者关键词、历史关键词、视频内容关键词等。各显示内容所对应的关键词可根据需要进行增加、删除、修改。
需要说明的是,本发明中“与当前呈现音乐的关键词相关联的可选显示内容”具体是指,所对应的全部关键词构成的集合与当前呈现音乐所对应的全部关键词构成的集合存在交集(两集合至少具有一个相同元素)的可选显示内容。
在步骤S301中,针对当前呈现音乐所对应的每一个关键词,将其作为检索词汇,在内容存储库中分别进行检索,可得到若干个备选显示内容。
步骤S302、从搜索出的全部备选显示内容中选取至少一个备选显示内容以作为待显示内容。
作为一种可选方案,在步骤S302中,可随机从步骤S301所搜索出的备选显示内容中选取一个或几个以作为待显示内容。
作为又一种可选方案,步骤S302包括:
步骤S3021、从内容存储库或互联网中获取各备选显示内容所对应的关键词。
步骤S3022、采用预设的关键词相似度算法分别计算各备选显示内容的关键词与当前呈现音乐的关键词之间的相似度评分。
针对每一个备选显示内容,该备选显示内容所对应的全部关键词构成该备选显示内容的关键词集合;当前呈现音乐所对应的全部关键词构成一个关键词集合。在步骤S3022中,采用预设的关键词相似度算法(集合相似度算法)来计算各备选显示内容与当前呈现音乐之间的关键词的相似度评分。
步骤S3023、筛选出与当前呈现音乐之间的关键词的相似度评分大于预设评分阈值的备选显示内容。
其中,预设评分阈值可根据实际需要进行设计、调整。
步骤S3024、从筛选出的备选显示内容中选取至少一个备选显示内容以作为待显示内容。
本发明的技术方案对从相似度评分大于预设评分阈值的备选显示内容选取待显示内容所使用的算法不作限定。例如,可将相似度评分最大的一个备选显示内容作为待显示内容;或者,将相似度评分大于预设评分阈值的全部备选显示内容均作为待显示内容,以供显示装置进行轮播(适用于音乐轮播的场景)。
步骤S4、将待显示内容推送至显示装置,以供显示装置显示待显示内容。
在步骤S4中,将步骤S3所获取的待显示内容发送至显示装置,以供显示装置显示与当前呈现音乐相关联的待显示内容,此时用户的听觉感官所接收到内容与视觉感官感受到的内容相关联,用户大脑处理的听觉信息和视觉信息相匹配,从而能提升用户的体验感。
需要说明的是,在实际应用中,每隔预设时间根据当前呈现音乐片段进行显示内容推送,对于一首完整音乐而言,该整个过程可看作是向显示装置推送了一个由多个待显示内容所构成的视频。
本发明实施例一提供了一种显示内容推送方法,其能根据环境中的当前呈现音乐向显示装置推送相关联的显示内容,以使得用户的听觉感官所接收到内容与视觉感官感受到的内容相关联,提升用户的体验感。
图2为本发明实施例二提供的一种内容推送方法的流程图,如图2所示,该内容推送方法除了包括上述实施例一中的步骤S1~步骤S4外,还包括:步骤S5~步骤S7,下面仅对步骤S5~步骤S7进行详细描述。
步骤S5、确定待显示内容的内容特征。
需要说明的是,本发明中的内容特征具体可包括待显示内容的画面风格、内容主题、画作类型等,内容主题包括山水画、人像、建筑等,画作类型包括油画、水彩画、国画、素描等。以内容特征包括画面风格为例,预先对显示装置所显示的画面(内容)风格进行分类设计,例如可将画面风格划分为悲伤画面、喜庆画面、现代画面、复古画面等几类。可预先采集各风格类型的多个画面构成各风格类型所对应的训练集,然后基于训练集训练出可进行画面风格类型识别的分类识别模型。在进行显示之前,采用分类识别模型确定待待显示内容的画面风格。
步骤S6、根据内容特征确定待显示内容对应的显示模式。
显示装置可支持不同显示模式,不同显示模式在亮度、色调、对比度、饱和度等方面存在一定的差异。显示模式可包括:鲜冷显示模式、鲜暖显示模式、银色调显示模式、黑白显示模式等。
步骤S7、控制显示装置采用所确定的显示模式来显示待显示内容。
在本发明中,预先建立不同内容特征与显示模式的对应关系;仍以内容特征包括画面风格为例,悲伤画面对应鲜冷显示模式,喜庆画面对应鲜暖显示模式,现代画面对应银色调显示模式、复古画面对应黑白显示模式。此时,在步骤S6中,可根据步骤S5所确定出的画面风格来确定对应的显示模式;在步骤S7中,可根据步骤S6所确定出的显示模式来控制显示装置显示待显示内容,以使得待显示内容以合适的显示模式来显示内容,从而能进一步提升用户的体验感。
需要说明的是,图2中步骤S5位于步骤S4之后执行的情况仅起到示例性作用,其不会对本发明的技术方案产生限制。在本发明中仅需保证步骤S5位于步骤S3之后执行,步骤S7位于步骤S4之后执行即可。
图3为本发明实施例三提供的一种内容推送装置的结构示意图,如图3所示,该内容推送装置可用于实现上述实施例一和实施例二提供的内容推送方法,该内容推送装置包括:音乐检测模块1、第一获取模块2、第二获取模块3和推送模块4。
其中,音乐检测模块1用于检测环境中的当前呈现音乐。
第一获取模块2用于获取所述当前呈现音乐的至少一个关键词。
第二获取模块3用于获取与所述当前呈现音乐的关键词相关联的待显示内容。
推送模块4用于将所述待显示内容推送至所述显示装置,以供所述显示装置显示所述待显示内容。
需要说明的是,本实施例中的音乐检测模块1可执行上述实施例中的步骤S1,第一获取模块2可执行前述实施例中的步骤S2,第二获取模块3可执行前述实施例中的步骤S3,推送模块4可执行前述实施例中的步骤S4。对于各模块的具体描述可参见前述实施例中的内容。
图4a为图3中第一获取模块的一种结构示意图,如图4a所示,第一获取模块2包括:音乐信息获取单元201、匹配单元202和关键词获取单元203。
其中,音乐信息获取单元201用于根据当前呈现音乐获取实际音乐信息。
匹配单元202用于将实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段;数据库中记载有多个样本音乐片段及各样本音乐片段对应的关键词。
关键词获取单元203用于从数据库中获取该匹配度最高的样本音乐片段所对应的关键词,以作为当前呈现音乐的关键词。
需要说明的是,本实施例中的音乐信息获取单元201可用于执行前述实施例中的步骤S201,匹配单元202可用于执行前述实施例中的步骤S202,关键词获取单元203可用于执行前述实施例中的步骤S203。
进一步可选地,实际音乐信息包括:当前呈现音乐的特征向量;此时,音乐信息获取单元201包括:特征提取子单元,匹配单元202包括:第一计算子单元和第一确定子单元。
其中,特征提取子单元用于对当前呈现音乐进行特征提取,以得到当前呈现音乐的特征向量。
第一计算子单元用于计算当前呈现音乐的特征向量与数据库中的各样本音乐片段的特征向量之间的相似度。
第一确定子单元用于确定与当前呈现音乐的特征向量的相似度最大的特征向量所对应的样本音乐片段,作为匹配度最高的样本音乐片段。
图4b为图3中第一获取模块的又一种结构示意图,如图4b所示,与图4a中所示不同的是,实际音乐信息包括:当前呈现音乐所对应的真实音乐片段;此时,音乐信息获取单元201包括:片段识别子单元,匹配单元202包括:第二计算子单元和第二确定子单元。
其中,片段识别子单元用于利用预先设计的音乐片段识别模型来对所输入的当前呈现音乐进行识别,以确定当前呈现音乐对应的真实音乐片段。需要说明的是此处的音乐片段识别模型的存储位置不做具体限定,可以存储在片段识别子单元中,也可以存储在服务器端,片段识别子单元工作时直接从服务器调用。
第二计算子单元用于计算当前呈现音乐对应的真实音乐片段与数据库中的各样本音乐片段之间的相似度。
第二确定子单元用于确定与当前呈现音乐对应的真实音乐片段的相似度最大的样本音乐片段,作为匹配度最高的样本音乐片段。
进一步可选地,第二计算子单元具体用于计算所述当前呈现音乐对应的所述真实音乐片段的音乐名称与数据库中的各样本音乐片段的音乐名称之间的相似度。
音乐信息获取单元201还包括:训练子单元,训练子单元用于在片段识别单元对当前呈现音乐完成识别后,根据识别结果将当前呈现音乐添加至音乐片段识别模型相应的训练集中,并对音乐片段识别模型进行训练、更新。
作为又一种可选方案,第一获取模块包括:关键词识别单元(未示出),关键词识别单元用于根据预先设计的关键词识别模型对所输入的当前呈现音乐进行识别,以确定当前呈现音乐对应的关键词。需要说明的是关键词识别模型的存储位置不做具体限定,可以存储在关键词识别单元中,也可以存储在后台服务器端,关键词识别单元工作时从后台服务器端直接调用。
可选地,第二获取模块3包括:搜索单元301和选取单元302。
其中,搜索单元301用于从预先设置的内容存储库或互联网中搜索出与当前呈现音乐的关键词相关联的显示内容,其中搜索出的显示内容作为备选显示内容,内容存储库中预先存储有若干个显示内容以及各显示内容对应的关键词。
选取单元302用于从搜索单元所搜索出的全部备选显示内容中选取至少一个备选显示内容以作为待显示内容。
图5为本发明中选取单元的一种结构示意图,如图5所示,可选地,选取单元302包括:搜索子单元3021、第三计算子单元3022、筛选子单元3023和选取子单元3024。
其中,搜索子单元3021用于从内容存储库或互联网中搜索出全部备选显示内容对应的关键词。
第三计算子单元3022用于采用预设的关键词相似度算法分别计算全部备选显示内容中的每一个与当前呈现音乐之间的关键词的相似度评分。
筛选子单元3023用于筛选出全部相似度评分中大于预设评分阈值的相似度评分所对应的备选显示内容。
选取子单元3024用于从筛选子单元3023所筛选出的备选显示内容中选取至少一个备选显示内容以作为待显示内容。
需要说明的是,本实施例中的搜索单元301可执行前述实施例中的步骤S301,选取单元302可执行前述实施例中的步骤S302,搜索子单元3021可执行前述实施例中的步骤S3021,第三计算子单元3022可执行前述实施例中的步骤S3022,筛选子单元3023可执行前述实施例中的步骤S3023,选取子单元3024可执行前述实施例中的步骤S3024。
本实施例中优选地,内容推送装置还包括:特征确定模块5、模式确定模块6和显示控制模块7。
其中,特征确定模块5用于确定待显示内容的内容特征。
模式确定模块6用于根据内容特征确定待显示内容对应的显示模式。
显示控制模块7用于控制显示装置采用所确定的显示模式来显示待显示内容。
需要说明的是,本实施例中的风格确定模块5可执行前述实施例中的步骤S5,模式确定模块6可执行前述实施例中的步骤S6,显示控制模块7可执行前述实施例中的步骤S7。
作为一种具体实施方案,本发明中音乐检测模块可设置于显示装置的附近或集成于显示装置上,第一获取模块、第二获取模块和推送模块可设置于服务器端,该服务器端可通过有线/无线网络向显示装置进行显示内容的推送。
作为又一种具体实施方案,内容推送装置整体集成显示装置上或者推送装置整体设置于显示装置附近。
需要说明的是,本发明的技术方案对内容推送装置和显示装置之间的位置关系和设置方式不作限定。
本发明实施例四提供了一种显示设备,其包括:显示屏,至少一个处理器和存储介质,存储介质中存储有程序,且当程序运行时将控制至少一个处理器执行如上述实施例一或实施例二所提供的内容推送方法,所述显示屏用于显示待显示内容。
其中,上述程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)等。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (17)
1.一种用于显示装置的内容推送方法,其特征在于,包括:
检测环境中的当前呈现音乐;
获取所述当前呈现音乐的至少一个关键词;
获取与所述当前呈现音乐的所述关键词相关联的待显示内容;
将所述待显示内容推送至所述显示装置,以供所述显示装置显示所述待显示内容;
所述获取所述当前呈现音乐的至少一个关键词的步骤包括:
根据所述当前呈现音乐获取实际音乐信息;
将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段;
从所述数据库中获取所述匹配度最高的样本音乐片段所对应的关键词,以作为所述当前呈现音乐的关键词;
其中,所述数据库中记载有多个样本音乐片段及所述多个样本音乐片段对应的关键词;
所述根据所述当前呈现音乐获取实际音乐信息的步骤包括:
将所述当前呈现音乐输入至预先设计的音乐片段识别模型中进行识别,以确定所述当前呈现音乐对应的真实音乐片段;所述实际音乐信息包括:所述当前呈现音乐所对应的真实音乐片段;
所述将所述当前呈现音乐输入至预先设计的音乐片段识别模型中进行识别的步骤之后,还包括:
根据识别结果将所述当前呈现音乐添加至所述音乐片段识别模型相应的训练集中,并对所述音乐片段识别模型进行训练、更新;
所述音乐片段识别模型是基于预先设置的多个训练集采用预先设置的分类识别算法进行训练得到的;其中,每个所述训练集对应一个类,对应同一音乐片段的各样本位于同一所述训练集中;
所述音乐片段识别模型的获得包括:预先从互联网中采集一些完整音乐以及各完整音乐对应的音乐名称,然后将这些完整音乐进行分段,以得到若干个真实音乐片段;接着以每一个真实音乐片段作为一个类,针对每一个类,从互联网中大量采集表演过该真实音乐片段的音乐数据,以作为该类的样本数据,从而得到该类所对应的训练集。
2.根据权利要求1所述的内容推送方法,其特征在于,所述实际音乐信息包括:所述当前呈现音乐的特征向量;
所述根据所述当前呈现音乐获取实际音乐信息的步骤包括:
对所述当前呈现音乐进行特征提取,以得到所述当前呈现音乐的特征向量;
所述将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段的步骤包括:
计算所述当前呈现音乐的特征向量与数据库中的各样本音乐片段的特征向量之间的相似度;
确定与所述当前呈现音乐的特征向量的相似度最大的特征向量所对应的样本音乐片段,作为匹配度最高的样本音乐片段。
3.根据权利要求1所述的内容推送方法,其特征在于,所述将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段的步骤包括:
计算所述当前呈现音乐对应的所述真实音乐片段与数据库中的各样本音乐片段之间的相似度;
确定与所述当前呈现音乐对应的所述真实音乐片段的相似度最大的样本音乐片段,作为匹配度最高的样本音乐片段。
4.根据权利要求3所述的内容推送方法,其特征在于,所述计算所述当前呈现音乐对应的所述真实音乐片段与数据库中的各样本音乐片段之间的相似度的步骤包括:
计算所述当前呈现音乐对应的所述真实音乐片段的音乐名称与数据库中的各样本音乐片段的音乐名称之间的相似度。
5.根据权利要求1所述的内容推送方法,其特征在于,所述获取所述当前呈现音乐的至少一个关键词的步骤包括:
将所述当前呈现音乐输入至预先设计的关键词识别模型中进行识别,以确定所述当前呈现音乐对应的关键词。
6.根据权利要求1所述的内容推送方法,其特征在于,所述获取与所述当前呈现音乐的关键词相关联的待显示内容的步骤包括:
根据所述当前呈现音乐的关键词,从预先设置的内容存储库或互联网中搜索出与所述当前呈现音乐的关键词相关联的可选显示内容,其中搜索出的所述可选显示内容作为备选显示内容,所述内容存储库中预先存储有多个显示内容以及多个显示内容对应的关键词;
从搜索出的全部备选显示内容中选取至少一个备选显示内容以作为所述待显示内容。
7.根据权利要求6所述的内容推送方法,其特征在于,所述从搜索出的全部备选显示内容中选取至少一个所述备选显示内容以作为所述待显示内容的步骤包括:
从所述内容存储库或互联网中获取全部备选显示内容所对应的关键词;
采用预设的关键词相似度算法分别计算全部备选显示内容中的每一个与所述当前呈现音乐之间的关键词的相似度评分;
筛选出全部相似度评分中大于预设评分阈值的相似度评分对应的备选显示内容;
从筛选出的备选显示内容中选取至少一个备选显示内容以作为所述待显示内容。
8.根据权利要求1-7中任一所述的内容推送方法,其特征在于,所述获取与所述当前呈现音乐的所述关键词相关联的待显示内容的步骤之后,还包括:
确定所述待显示内容的内容特征;
根据所述内容特征确定所述待显示内容对应的显示模式;
所述将所述待显示内容推送至所述显示装置的步骤之后还包括:
控制所述显示装置采用所确定的所述显示模式来显示所述待显示内容。
9.一种用于显示装置的内容推送装置,其特征在于,包括:
音乐检测模块,用于检测环境中的当前呈现音乐;
第一获取模块,用于获取所述当前呈现音乐的至少一个关键词;
第二获取模块,用于获取与所述当前呈现音乐的关键词相关联的待显示内容;
推送模块,用于将所述待显示内容推送至所述显示装置,以供所述显示装置显示所述待显示内容;
所述第一获取模块包括:
音乐信息获取单元,用于根据所述当前呈现音乐获取实际音乐信息;
匹配单元,用于将所述实际音乐信息与数据库中的各样本音乐片段进行匹配,确定出匹配度最高的样本音乐片段;
关键词获取单元,用于从所述数据库中获取所述匹配度最高的样本音乐片段所对应的关键词,以作为所述当前呈现音乐的关键词;
所述数据库中记载有多个样本音乐片段及所述多个样本音乐片段对应的关键词;
所述音乐信息获取单元包括:
片段识别子单元,用于利用预先设计的音乐片段识别模型来对所输入的所述当前呈现音乐进行识别,以确定所述当前呈现音乐对应的真实音乐片段;所述实际音乐信息包括:所述当前呈现音乐所对应的真实音乐片段;
所述音乐信息获取单元还包括:
训练子单元,用于在片段识别单元对所述当前呈现音乐完成识别后,根据识别结果将所述当前呈现音乐添加至所述音乐片段识别模型相应的训练集中,并对所述音乐片段识别模型进行训练、更新;
所述音乐片段识别模型是基于预先设置的多个训练集采用预先设置的分类识别算法进行训练得到的;其中,每个所述训练集对应一个类,对应同一音乐片段的各样本位于同一所述训练集中;
所述音乐片段识别模型的获得包括:预先从互联网中采集一些完整音乐以及各完整音乐对应的音乐名称,然后将这些完整音乐进行分段,以得到若干个真实音乐片段;接着以每一个真实音乐片段作为一个类,针对每一个类,从互联网中大量采集表演过该真实音乐片段的音乐数据,以作为该类的样本数据,从而得到该类所对应的训练集。
10.根据权利要求9所述的内容推送装置,其特征在于,所述实际音乐信息包括:所述当前呈现音乐的特征向量;
所述音乐信息获取单元包括:
特征提取子单元,用于对所述当前呈现音乐进行特征提取,以得到所述当前呈现音乐的特征向量;
所述匹配单元包括:
第一计算子单元,用于计算所述当前呈现音乐的特征向量与数据库中的各样本音乐片段的特征向量之间的相似度;
第一确定子单元,用于确定与所述当前呈现音乐的特征向量的相似度最大的特征向量所对应的样本音乐片段,作为匹配度最高的样本音乐片段。
11.根据权利要求9所述的内容推送装置,其特征在于,
所述匹配单元包括:
第二计算子单元,用于计算所述当前呈现音乐对应的所述真实音乐片段与数据库中的各样本音乐片段之间的相似度;
第二确定子单元,用于确定与所述当前呈现音乐对应的所述真实音乐片段的相似度最大的样本音乐片段,作为匹配度最高的样本音乐片段。
12.根据权利要求11所述的内容推送装置,其特征在于,所述第二计算子单元用于计算所述当前呈现音乐对应的所述真实音乐片段的音乐名称与数据库中的各样本音乐片段的音乐名称之间的相似度。
13.根据权利要求9所述的内容推送装置,其特征在于,所述第一获取模块包括:
关键词识别单元,用于根据预先设计的关键词识别模型对所输入的所述当前呈现音乐进行识别,以确定所述当前呈现音乐对应的关键词。
14.根据权利要求9所述的内容推送装置,其特征在于,所述第二获取模块包括:
搜索单元,用于从预先设置的内容存储库或互联网中搜索出与所述当前呈现音乐的关键词相关联的可选显示内容,其中搜索出的所述可选显示内容作为备选显示内容,所述内容存储库中预先存储有多个显示内容以及多个显示内容对应的关键词;
选取单元,用于从搜索单元所搜索出的全部备选显示内容中选取至少一个所述备选显示内容以作为所述待显示内容。
15.根据权利要求14所述的内容推送装置,其特征在于,所述选取单元包括:
搜索子单元,用于从所述内容存储库或互联网中获取全部备选显示内容对应的关键词;
第三计算子单元,用于采用预设的关键词相似度算法分别计算全部备选显示内容中的每一个与所述当前呈现音乐之间的关键词的相似度评分;
筛选子单元,用于筛选出全部相似度评分中大于预设评分阈值的相似度评分对应的备选显示内容;
选取子单元,用于从所述筛选子单元所筛选出的备选显示内容中选取至少一个备选显示内容以作为所述待显示内容。
16.根据权利要求9-15中任一所述的内容推送装置,其特征在于,还包括:
特征确定模块,用于确定所述待显示内容的内容特征;
模式确定模块,用于根据所述内容特征确定所述待显示内容对应的显示模式;
显示控制模块,用于控制所述显示装置采用所确定的所述显示模式来显示所述待显示内容。
17.一种显示设备,其特征在于,包括:
显示屏;
至少一个处理器;
存储介质,存储有程序,且当所述程序运行时将控制至少一个所述处理器执行如上述权利要求1-8中任一所述的内容推送方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811056287.4A CN109802987B (zh) | 2018-09-11 | 2018-09-11 | 用于显示装置的内容推送方法、推送装置和显示设备 |
US16/643,112 US11410706B2 (en) | 2018-09-11 | 2019-07-01 | Content pushing method for display device, pushing device and display device |
PCT/CN2019/094255 WO2020052324A1 (zh) | 2018-09-11 | 2019-07-01 | 用于显示装置的内容推送方法、推送装置和显示设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811056287.4A CN109802987B (zh) | 2018-09-11 | 2018-09-11 | 用于显示装置的内容推送方法、推送装置和显示设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109802987A CN109802987A (zh) | 2019-05-24 |
CN109802987B true CN109802987B (zh) | 2021-05-18 |
Family
ID=66556247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811056287.4A Active CN109802987B (zh) | 2018-09-11 | 2018-09-11 | 用于显示装置的内容推送方法、推送装置和显示设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11410706B2 (zh) |
CN (1) | CN109802987B (zh) |
WO (1) | WO2020052324A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109802987B (zh) | 2018-09-11 | 2021-05-18 | 北京京东方技术开发有限公司 | 用于显示装置的内容推送方法、推送装置和显示设备 |
US11615772B2 (en) * | 2020-01-31 | 2023-03-28 | Obeebo Labs Ltd. | Systems, devices, and methods for musical catalog amplification services |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080043129A (ko) * | 2006-11-13 | 2008-05-16 | 삼성전자주식회사 | 음악의 무드를 이용한 사진 추천 방법 및 그 시스템 |
CN101930446A (zh) * | 2009-06-26 | 2010-12-29 | 鸿富锦精密工业(深圳)有限公司 | 电子装置及在嵌入式电子装置中播放音乐的方法 |
JP2012220582A (ja) * | 2011-04-05 | 2012-11-12 | Sony Corp | 音楽再生装置、音楽再生方法、プログラム、およびデータ作成装置 |
JP6159989B2 (ja) * | 2013-06-26 | 2017-07-12 | Kddi株式会社 | シナリオ生成システム、シナリオ生成方法およびシナリオ生成プログラム |
EP2963651A1 (en) * | 2014-07-03 | 2016-01-06 | Samsung Electronics Co., Ltd | Method and device for playing multimedia |
CN105224581B (zh) * | 2014-07-03 | 2019-06-21 | 北京三星通信技术研究有限公司 | 在播放音乐时呈现图片的方法和装置 |
CN106919662B (zh) * | 2017-02-14 | 2021-08-31 | 复旦大学 | 一种音乐识别方法及系统 |
CN106921749A (zh) * | 2017-03-31 | 2017-07-04 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
CN107221347B (zh) | 2017-05-23 | 2020-02-07 | 维沃移动通信有限公司 | 一种音频播放的方法及终端 |
CN109802987B (zh) | 2018-09-11 | 2021-05-18 | 北京京东方技术开发有限公司 | 用于显示装置的内容推送方法、推送装置和显示设备 |
-
2018
- 2018-09-11 CN CN201811056287.4A patent/CN109802987B/zh active Active
-
2019
- 2019-07-01 US US16/643,112 patent/US11410706B2/en active Active
- 2019-07-01 WO PCT/CN2019/094255 patent/WO2020052324A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
US20210225408A1 (en) | 2021-07-22 |
CN109802987A (zh) | 2019-05-24 |
US11410706B2 (en) | 2022-08-09 |
WO2020052324A1 (zh) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kaminskas et al. | Contextual music information retrieval and recommendation: State of the art and challenges | |
Schedl et al. | Music recommender systems | |
US8321414B2 (en) | Hybrid audio-visual categorization system and method | |
Kaminskas et al. | Location-aware music recommendation using auto-tagging and hybrid matching | |
Serra et al. | Roadmap for music information research | |
US20220223125A1 (en) | Song generation based on a text input | |
Hyung et al. | Utilizing context-relevant keywords extracted from a large collection of user-generated documents for music discovery | |
CN109920409A (zh) | 一种声音检索方法、装置、系统及存储介质 | |
CN109802987B (zh) | 用于显示装置的内容推送方法、推送装置和显示设备 | |
Qu et al. | A novel approach based on multi-view content analysis and semi-supervised enrichment for movie recommendation | |
Yang | Research on Music Content Recognition and Recommendation Technology Based on Deep Learning. | |
Bakhshizadeh et al. | Automated mood based music playlist generation by clustering the audio features | |
CN111859008B (zh) | 一种推荐音乐的方法及终端 | |
KR20120021174A (ko) | 감정 모델을 이용한 음악 검색 장치 및 방법 | |
JP5344756B2 (ja) | 情報処理装置、情報処理方法、及びプログラム | |
Xu et al. | Launchpadgpt: Language model as music visualization designer on launchpad | |
US10403304B1 (en) | Neural networks for identifying the potential of digitized audio to induce frisson in listeners | |
Jitendra et al. | An ensemble model of CNN with Bi-LSTM for automatic singer identification | |
CN116745761A (zh) | 用于目标组的媒体项的标识 | |
Chimthankar | Speech Emotion Recognition using Deep Learning | |
US10489450B1 (en) | Selecting soundtracks | |
Kher | Music Composer Recognition from MIDI Representation using Deep Learning and N-gram Based Methods | |
Foucard et al. | Exploring new features for music classification | |
WO2020240996A1 (ja) | 情報処理装置、情報処理方法、および、プログラム | |
Moon et al. | How to Retrieve Music using Mood Tags in a Folksonomy |
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 |