CN110909202A

CN110909202A - 音频价值评估方法、装置及可读存储介质

Info

Publication number: CN110909202A
Application number: CN201911032352.4A
Authority: CN
Inventors: 吴海旭; 任娟
Original assignee: Guangzhou Li Zhi Network Technology Co Ltd
Current assignee: Guangzhou Li Zhi Network Technology Co Ltd
Priority date: 2019-10-28
Filing date: 2019-10-28
Publication date: 2020-03-24

Abstract

本发明实施例公开了一种音频价值评估方法、装置及可读存储介质，该方法包括：根据播单日志信息构建音频播单画像系统；根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估。本发明实施例在实施过程中，通过构建音频播单画像，以及使用人工智能的方式，基于播单内容的整体价值，预测播单内新加入音频的价值，不仅能够客观的反应音频的整体价值，而且还能自动化的完成音频价值的评估，节省大量人力。

Description

音频价值评估方法、装置及可读存储介质

技术领域

本发明涉及音频数据智能处理技术领域，具体涉及一种音频价值评估方法、装置及可读存储介质。

背景技术

随着移动互联网的蓬勃发展，人们获取信息的渠道越来越多样化。声音相关信息越来越作为人们主要获取信息的关键渠道。互联网上的音频信息越来丰富，如何从海量互联网信息找到高价值的音频，并且对于音频价值的定义变得越来越重要。

现阶段，对于音频价值的定义，主要通过如下方式进行：

通过人工或者口碑传播，由于音频涉及的类目广泛，通过人工传播带有非常大的主观性，并且效率极低，音频价值的评价效率与音频生产效率及传播效率不成比例。

发明内容

本发明实施例的目的是提供一种音频价值评估方法、装置及可读存储介质。本发明实施例在使用过程中通过构建播单画像，以及使用人工智能的方式，基于播单内容的整体价值，预测播单内新加入音频的价值，不仅能够客观的反应音频的整体价值，而且还能自动化的完成音频价值的评估，节省大量人力。

为解决上述的技术问题，本发明实施例采用以下技术方案：

提供了一种音频价值评估方法，包括：

根据播单日志信息构建音频播单画像系统；

根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估。

可选的，所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频类别分类包括：对于预设时间周期音频播单画像系统中新上传的音频和音频的点击率，收听时长，完播率，评论数，生成新的训练数据，微调模型。

可选的，所述的根据播单日志信息构建音频播单画像系统包括：采集音频播单服务端日志信息；基于所述日志信息，采用数据挖掘方法挖掘音频播单数据信息；将所述音频播单数据信息进行信息的合并与聚类，形成音频播单画像系统。

可选的，所述的音频播单数据信息包括：播单内各个音频上传的时间和/或播单内各个音频的分类信息和/或播单内各个音频在平台下的用户点击信息、收听信息、点赞信息、转发信息和/或评论信息。

可选的，所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估包括：为所述音频播单画像系统中每个播单训练一个音频价值评估模型，模型功能为预测所述播单中每一个音频在下一个周期内的价值。

可选的，所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估包括：模型输入为：第一个时间周期内，音频节目每天的点击率、收听时长、完播率和/或评论数；模型输出为：模型预测所述音频节目下一个周期内的流量分配方案。

可选的，所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估的过程包括：

在播单的音频中取上传超过预设时间的音频节目，把所述播单中的每个音频节目生成一个音频节目特征序列；

以序列长度值为窗口大小生成特征序列训练数据；

把所述特征序列训练数据经过rnn提取序列特征，生成一维特征向量，所述一维特征向量经过dnn压缩为低维特征向量，所述低维特征向量经过sigmoid映射为音频节目评估分数；

根据所述音频节目评估分数制定该音频节目流量分配方案。

可选的，所述的把所述特征序列训练数据经过rnn提取序列特征，生成一维特征向量，所述一维特征向量经过dnn压缩为低维特征向量，所述低维特征向量经过sigmoid映射为音频节目评估分数还包括：将所述音频节目评估分数与该音频节目整体收益对比，计算损失函数值，反向传到优化模型权重。

本发明实施例还提供一种音频价值评估装置，包括：

音频播单画像系统生成模块，用于根据播单日志信息构建音频播单画像系统；

音频价值评估生成模型训练模块，用于根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现所述音频价值评估方法的各个步骤。

本发明实施例提供了一种音频价值评估方法、装置及可读存储介质，播单是用户收听和使用音频内容的最主要的方式之一，播单由用户创建及维护，且相关内容的收听群体相对集中，群体具备专业性，播单的好坏能够很好的反应内容价值的好坏，并且短期内，播单内的相同主题下的内容价值相对稳定。那么通过构建播单画像，以及使用人工智能的方式，基于播单内容的整体价值，预测播单内新加入音频的价值，不仅能够客观的反应音频的整体价值，而且还能自动化的完成音频价值的评估，节省大量人力。

附图说明

为了更清楚地说明本实施例中的技术方案，下面将对现有技术和实施例中所小使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种音频价值评估方法的流程示意图。

图2为本发明实施例提供的一种音频价值评估装置的结构示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书(包括任何附加权利要求、摘要和附图)中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

下面结合附图及实施例对本发明的具体实施方式进行详细描述。

请参照图1，图1为本发明实施例提供的一种音频价值评估方法的流程示意图。

该方法包括：

S11：根据播单日志信息构建音频播单画像系统；

具体的，根据播单日志信息构建音频播单画像系统，该画像系统用来描述用户对于播单内各个音频的行为及评价。

需要说明的是，根据播单日志信息构建音频播单画像系统的过程为：

S111：采集播单以及音频相关的服务端操作日志；

S112：基于采集到的日志，采用数据挖掘的算法，至少挖掘到如下关键信息：

(1)：播单内各个音频上传的时间；

(2)：播单内各个音频相关的分类；

(3)：播单内各个音频在平台下的用户点击信息、收听信息、点赞信息、转发信息、评论信息；

S113：将挖掘好的信息，根据播单的唯一标识，进行合并与聚类，形成播单相关画像系统。

S12：根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估。

需要说明的是，本实施中根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估，是基于音频播单画像系统，采用深度学习的方法，主要特征为播单内历史的节目价值，构建模型算法，完成音频内容价值评估。

需要说明的是，本实施例中音频价值评估生成模型的过程包括为平台每个播单训练一个节目价值评估模型，模型功能为预测播单每一个节目在下一个时间周期内的价值。

其中，所述模型输入为：第一个时间周期内，该节目每天的点击率、收听时长、完播率、评论数。所述模型输出为：模型预测该节目下一个周期内的流量分配方案。

具体的，本实施例中音频流量分配方案包括：

第n个周期的整体收益的衡量：

Dn为经过归一化的第n个时间周期的点击；

Sn为经过归一化的第n个时间周期的收听时长；

Wn为经过归一化的第n个时间周期的完播率；

Pn为经过归一化的第n个时间周期的评论数；

以及节目整体收益为：

K的转置*[(Dn–Dn-1)+(Sn–Sn-1)+(Wn-Wn-1)+(Pn–Pn-1)]

K＝[k1,k2,k3,k4]。

其中，K为四个指标相对于整体收益的权重，其中相关指标可以根据业务需要进行调整。

其中，归一化方法使用最大-最小规范化方法。

具体的，根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估，其针对于单个播单的训练音频价值评估生成模型过程为：

S121、在播单中历史上的节目中取上传超过k天的节目，把该播单中的每个节目生成一个节目特征序列，序列长度为k。需要说明的是，本实施例中k可以根据播单节目数量来定义。序列中每个特征为[Dn,Sn,Wn,Pn]。

S122、以K为窗口大小生成特征序列训练数据。具体包括以下训练数据：原始序列数据：m为该节目上传后的天数。

D	S	W	P
				X11	X22	X13	X14
…	…	…	…
				X m1	X m2	…	X m4

序列特征向量：

Feature:

D	S	W	P
				X11	X12	X13	X14
…	…	…	…
				X m1	X m2	X m3	X m4

Label:第m+1天的节目整体收益。

S123、把序列训练数据经过rnn提取序列特征，生成一维特征向量，一维特征向量经过dnn压缩为低维特征向量，低维特征向量经过sigmoid映射为节目分数。节目分数与真实label对比，计算损失函数值，反向传到优化模型权重。

S124、根据sigmod打分结果制定流量分配方案：把sigmoid的结果按照分段函数映射到m个rate，针对每个rate，制定流量分配方案。

需要说明的是，本实施例为了更好的保障对音频价值评估结果的准确性和实时性。还包括以下步骤：在每个时间周期，使用音频播单内新上传的音频节目和该播单每个音频节目的点击率，收听时长，完播率，评论数，生成新的训练数据，微调模型。

当然，本发明实施例中不仅限于采用上述方法对音频内容进行价值评估，也可以采用其他的方法实现。具体采用哪种方法本发明实施例对此不做限定。

在上述实施例的基础上，本发明实施例相应的提供了一种音频价值评估装置，具体请参照图2。该装置包括：

需要说明的是，本发明实施例具有与上述实施例中音频价值评估方法相同的有益效果，并且对于本发明实施例中所涉及到的音频价值评估方法的具体介绍请参照上述实施例，本申请在此不再赘述。

在上述实施例的基础上，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现所述音频价值评估方法的步骤。

需要说明的是，本发明实施例具有与上述实施例中音频价值评估方法相同的有益效果，并且对于本发明上述实施例中所涉及到的音频价值评估方法的具体介绍请参照上述实施例，本申请在此不再赘述。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims

1.一种音频价值评估方法，其特征在于，包括：

根据播单日志信息构建音频播单画像系统；

2.根据权利要求1所述的音频价值评估方法，其特征在于所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频类别分类包括：对于预设时间周期音频播单画像系统中新上传的音频和音频的点击率，收听时长，完播率，评论数，生成新的训练数据，微调模型。

3.根据权利要求1所述的音频价值评估方法，其特征在于所述的根据播单日志信息构建音频播单画像系统包括：采集音频播单服务端日志信息；基于所述日志信息，采用数据挖掘方法挖掘音频播单数据信息；将所述音频播单数据信息进行信息的合并与聚类，形成音频播单画像系统。

4.根据权利要求3所述的音频价值评估方法，其特征在于所述的音频播单数据信息包括：播单内各个音频上传的时间和/或播单内各个音频的分类信息和/或播单内各个音频在平台下的用户点击信息、收听信息、点赞信息、转发信息和/或评论信息。

5.根据权利要求1所述的音频价值评估方法，其特征在于所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估包括：为所述音频播单画像系统中每个播单训练一个音频价值评估模型，模型功能为预测所述播单中每一个音频在下一个周期内的价值。

6.根据权利要求1或5所述的音频价值评估方法，其特征在于所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估包括：模型输入为：第一个时间周期内，音频节目每天的点击率、收听时长、完播率和/或评论数；模型输出为：模型预测所述音频节目下一个周期内的流量分配方案。

7.根据权利要求1或5所述的音频价值评估方法，其特征在于所述的根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估的过程包括：

以序列长度值为窗口大小生成特征序列训练数据；

根据所述音频节目评估分数制定该音频节目流量分配方案。

8.根据权利要求7所述的音频价值评估方法，其特征在于所述的把所述特征序列训练数据经过rnn提取序列特征，生成一维特征向量，所述一维特征向量经过dnn压缩为低维特征向量，所述低维特征向量经过sigmoid映射为音频节目评估分数还包括：将所述音频节目评估分数与该音频节目整体收益对比，计算损失函数值，反向传到优化模型权重。

9.一种音频价值评估装置，其特征在于，包括：

音频播单画像系统生成模块，用于根据播单日志信息构建音频播单画像系统；音频价值评估生成模型训练模块，用于根据音频播单画像系统训练音频价值评估生成模型，完成音频内容价值评估。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现如权利要求1至8任意一项所述音频价值评估方法的步骤。