CN111078931A

CN111078931A - 歌单推送方法、装置、计算机设备及存储介质

Info

Publication number: CN111078931A
Application number: CN201911260533.2A
Authority: CN
Inventors: 缪畅宇
Original assignee: Tencent Technology Shenzhen Co Ltd
Current assignee: Tencent Technology Shenzhen Co Ltd
Priority date: 2019-12-10
Filing date: 2019-12-10
Publication date: 2020-04-28
Anticipated expiration: 2039-12-10
Also published as: CN111078931B

Abstract

本申请是关于一种歌单推送方法、装置、计算机设备及存储介质。该方法包括：获取到向目标用户推送歌单的指令时，获取与目标用户相匹配的候选歌单，并获取候选歌单中的各个歌曲的歌曲特征向量，再根据各个歌曲的歌曲特征向量，以及目标用户的用户特征向量，从各个歌曲中筛选出目标歌曲，并向目标用户对应的终端推送包含目标歌曲的个性化歌单。本方案能够减少歌单筛选过程的计算量，从而在保证推送准确性的情况下，提高个性化歌单的生成效率。

Description

歌单推送方法、装置、计算机设备及存储介质

技术领域

本申请实施例涉及网络音乐服务技术领域，特别涉及一种歌单推送方法、装置、计算机设备及存储介质。

背景技术

随着网络和计算机技术的不断发展，越来越多的用户通过终端中安装的音乐类应用程序获取并播放歌曲。

为了提高用户播放自己喜欢的歌曲的便捷性，很多音乐类应用程序提供用户自行创建个性化歌单的功能。例如，用户可以新建一个歌单，然后从音乐类应用程序中查找自己想听的歌曲添加入该新建的歌单中。在歌单创建完成后，该音乐类应用程序即可以通过指定的循环方式播放该歌单中的各个歌曲。

然而，相关技术所示的方案需要用户在新建歌单时自行查找歌曲，该过程需要消耗用户较多的操作时间，导致用户获取个性化的歌单的效率较低。

发明内容

本申请实施例提供了一种歌单推送方法、装置、计算机设备及存储介质，可以提高用户获取到个性化歌单的效率，该技术方案如下：

一方面，提供了一种歌单推送方法，所述方法包括：

获取到向目标用户推送歌单的指令时，获取与所述目标用户相匹配的候选歌单，所述候选歌单是歌单库中已有的歌单；

获取所述候选歌单中的各个歌曲的歌曲特征向量，所述歌曲特征向量用于表示对应的歌曲的特征信息；

根据所述各个歌曲的歌曲特征向量，以及所述目标用户的用户特征向量，从所述各个歌曲中筛选出目标歌曲；所述用户特征向量用于指示所述目标用户的用户画像以及所述目标用户对应的听歌场景中的至少一种；

向所述目标用户对应的终端推送包含所述目标歌曲的个性化歌单。

另一方面，提供了一种歌单推送装置，所述装置包括：

候选歌单获取模块，用于获取到向目标用户推送歌单的指令时，获取与所述目标用户相匹配的候选歌单，所述候选歌单是歌单库中已有的歌单；

歌曲特征向量获取模块，用于获取所述候选歌单中的各个歌曲的歌曲特征向量，所述歌曲特征向量用于表示对应的歌曲的特征信息；

歌曲筛选模块，用于根据所述各个歌曲的歌曲特征向量，以及所述目标用户的用户特征向量，从所述各个歌曲中筛选出目标歌曲；所述用户特征向量用于指示所述目标用户的用户画像以及所述目标用户对应的听歌场景中的至少一种；

歌单推送模块，用于向所述目标用户对应的终端推送包含所述目标歌曲的个性化歌单。

可选的，所述歌曲筛选模块，包括：

相似度获取子模块，用于获取所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度；

排序子模块，用于根据所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，对所述各个歌曲进行排序；

筛选子模块，用于根据对所述各个歌曲进行排序的结果，从所述各个歌曲中筛选出所述目标歌曲。

可选的，所述筛选子模块，用于，

获取对所述各个歌曲进行排序的结果中，每相邻两个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度的差值；

确定第一突发差值；所述第一突发差值是所述每相邻两个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度的差值中，首个大于第一阈值的差值；

根据所述第一突发差值确定截断歌曲，所述截断歌曲是所述第一突发差值对应的相邻两个歌曲中的后一个歌曲；

将所述对所述各个歌曲进行排序的结果中，位于所述截断歌曲之前的歌曲筛选为所述目标歌曲。

可选的，所述筛选子模块，用于，

当所述各个歌曲的数量大于或者等于数量阈值N时，将对所述各个歌曲进行排序的结果中的前N个歌曲筛选为所述目标歌曲；

当所述各个歌曲的数量小于所述数量阈值N时，将所述各个歌曲筛选为所述目标歌曲。

可选的，所述歌曲筛选模块，还包括：

去重子模块，用于当所述候选歌单包含至少两个歌单时，在所述相似度获取子模块获取所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度之前，对所述至少两个歌单中的歌曲进行去重处理，获得所述各个歌曲。

可选的，所述歌曲筛选模块，还包括：

重复次数获取子模块，用于在所述排序子模块根据所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，对所述各个歌曲进行排序之前，获取所述各个歌曲在所述至少两个歌单中的重复次数；

权重获取子模块，用于根据所述各个歌曲在所述至少两个歌单中的重复次数，获取所述各个歌曲的相似度权重；

相似度调整子模块，用于根据所述各个歌曲的相似度权重，对所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度进行调整；

所述排序子模块，用于根据调整后的所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，对所述各个歌曲进行排序。

可选的，所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，是对应的歌曲特征向量与所述用户特征向量之间的余弦相似度、欧式距离或者杰卡德距离。

可选的，所述候选歌单获取模块，包括：

用户需求信息获取子模块，用于在获取到向目标用户推送歌单的指令时，获取所述目标用户的用户需求信息；

需求特征向量生成子模块，用于生成用于指示所述用户需求信息的需求特征向量；

歌单特征向量获取子模块，用于获取所述歌单库中的各个歌单的歌单特征向量；所述歌单特征向量用于表示对应的歌单的特征信息；

歌单筛选子模块，用于根据所述各个歌单的歌单特征向量，以及所述需求特征向量，从所述各个歌单中筛选出所述候选歌单。

可选的，当所述用户需求信息中包含所述目标用户输入的检索式时；

所述需求特征向量生成子模块，用于，

提取所述检索式中的各个检索关键词；

获取所述各个检索关键词各自对应的关键词向量；

对所述各个检索关键词各自对应的关键词向量取平均向量，获得所述需求特征向量；

所述歌单特征向量获取子模块，用于，

提取目标歌单对应的文本信息中的各个歌单关键词；所述目标歌单是所述各个歌单中的任意一个歌单；

获取所述各个歌单关键词各自对应的关键词向量；

对所述各个歌单关键词各自对应的关键词向量取平均向量，获得所述目标歌单的歌单特征向量。

可选的，当所述用户需求信息中包含所述目标用户的用户画像以及所述目标用户对应的听歌场景中的至少一种时；

所述需求特征向量生成子模块，用于将所述目标用户的用户特征向量获取为所述需求特征向量；

所述歌单特征向量获取子模块，用于根据所述各个歌单的歌单画像，获取所述各个歌单的歌单特征向量；所述歌单画像包括对应的歌单所包含歌曲的歌曲画像，以及，对应歌单的歌单场景画像中的至少一种。

可选的，所述歌单筛选子模块，用于，

获取所述各个歌单的歌单特征向量分别与所述需求特征向量之间的相似度；

根据所述各个歌单的歌单特征向量分别与所述需求特征向量之间的相似度，对所述各个歌单进行排序；

根据对所述各个歌单进行排序的结果，从所述各个歌单中筛选出所述候选歌单。

可选的，在根据对所述各个歌单进行排序的结果，从所述各个歌单中筛选出所述候选歌单时，所述歌单筛选子模块，用于，

获取对所述各个歌单进行排序的结果中，每相邻两个歌单的歌单特征向量分别与所述需求特征向量之间的相似度的差值；

确定第二突发差值；所述第二突发差值是所述每相邻两个歌单的歌单特征向量分别与所述需求特征向量之间的相似度的差值中，首个大于第二阈值的差值；

根据所述第二突发差值确定截断歌单，所述截断歌单是所述第二突发差值对应的相邻两个歌单中的后一个歌单；

将所述对所述各个歌单进行排序的结果中，位于所述截断歌单之前的歌单筛选为所述候选歌单。

另一方面，提供了一种计算机设备，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上所述的歌单推送方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如上所述的歌单推送方法。

本申请提供的技术方案可以包括以下有益效果：

通过获取到向目标用户推送歌单的指令时，获取与目标用户相匹配的候选歌单，并获取候选歌单中的各个歌曲的歌曲特征向量，再根据各个歌曲的歌曲特征向量，以及目标用户的用户特征向量，从各个歌曲中筛选出目标歌曲，并向目标用户对应的终端推送包含目标歌曲的个性化歌单，由于目标歌曲是从与目标用户相匹配的候选歌单中，按照用户特征向量筛选出的，能够保证推送给目标用户的个性化歌单的准确性，并且，将目标歌曲的筛选范围限制在候选歌单中，能够减少歌单筛选过程的计算量，从而在保证推送准确性的情况下，提高个性化歌单的生成效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是本申请各个实施例涉及的一种歌单推送系统的系统构成图；

图2是根据一示例性实施例示出的一种歌单推送方法的流程图；

图3是图2所示实施例涉及的一种个性化歌单推送的示意图；

图4是根据一示例性实施例示出的一种歌单推送方法的流程图；

图5是图4所示实施例涉及的一种歌单展示的界面图；

图6是是根据一示例性实施例示出的一种歌单推送流程的示意图；

图7是根据一示例性实施例示出的歌单推送装置的结构方框图；

图8是根据一示例性实施例示出的一种计算机设备的结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

本申请实施例提出了一种高准确性的歌单推送方案，该方案能够针对不同的用户准确的推送个性化的歌单。为了便于理解，下面对本申请涉及的名词进行解释。

歌单：

在音乐类应用程序中，歌曲通常以单曲或者歌单的形式进行展示。其中，歌单是指由符合某一种或者多种特征的多个歌曲构成的歌曲清单/歌曲集合。

其中，上述一种或者多种特征可以包括但不限于歌手特征、年代特征、风格特征、语言特征、国家/地区特征等等。

在音乐类应用程序中，歌单可以由用户或者服务商的运营人员进行创建。其中，歌单的创建主题通常是五花八门的，比如，有按歌手创建的、有按歌曲风格创建的、有按听歌环境(驾车、工作、睡前)创建的、有按歌曲配乐类型创建的，也有纯粹按用户个人喜好创建的。

歌单作为连接用户和歌曲的重要媒介，在音乐类应用程序中扮演着重要作用。用户通过不同主题的歌单，可以发现跟自己喜好、当下场景等相匹配的歌曲列表，也可以基于已有歌单进行进一步的歌单创建。系统里的歌单越多，给用户的发现和选择的余地越大，越能增加用户黏着度。

一般而言，音乐类应用程序中的歌单系统的运作过程如下：

步骤1，服务商的运营人员创建系统中的初始歌单，并定期或者不定期的对初始歌单进行新增或者更新。

步骤2，用户在使用音乐类应用程序的过程中创建歌单，比如，用户可以自行搜索歌曲添加入创建的歌单中，或者，用户也可以在系统提供的初始歌单的基础上增加或者删除歌曲来创建歌单。

可选的，用户创建的歌单可以添加入系统的歌单库中，以便其它用户获取。

步骤3，随着使用音乐类应用程序的用户数量的增加，更多用户通过自行创建或者基于系统中已有歌单来创建新的歌单。

请参考图1，其示出了本申请各个实施例涉及的一种歌单推送系统的系统构成图。如图1所示，该系统包括服务器120、数据库140以及若干个终端160。

服务器120是一台服务器，或者由若干台服务器，或者是一个虚拟化平台，或者是一个云计算服务中心。

服务器120可以是为音乐类应用程序提供后台支持的服务器。服务器120可以由一个或多个功能单元组成。可选的，如图1所示，服务器120可以包括接口单元120a、歌单管理单元120b以及推送单元120c。

接口单元120a用于与终端160中安装的音乐类应用程序进行信息交互，以获取终端160对应的用户的相关信息，比如，用户账号信息以及用户操作信息等等。

歌单管理单元120b用于根据各个用户的相关信息，为各个用户生成个性化歌单。

推送单元120c用于向各个用户对应的终端160推送各个用户对应的个性化歌单。

上述数据库140可以是Redis数据库，或者，也可以是其它类型数据库。其中，数据库140用于存储各类数据，比如，各个用户的用户信息、包含各个歌单的歌单库、各个歌单的相关信息(比如歌单场景画像、歌曲画像)等等。

比如，接口单元120a获取到各个终端对应的用户的相关信息后，将用户的相关信息存储至数据库140，歌单管理单元120b根据用户的相关信息确定需要向用户推送个性化歌单时，生成相应的个性化歌单并存储至数据库140，推送单元120c向用户推送歌单时，从数据库140提取该用户对应的个性化歌单，并将该个性化歌单推送给用户对应的终端。

终端160可以是具有网络连接功能，且安装有上述服务器120对应的音乐类应用程序的终端设备，比如，终端160可以是手机、平板电脑、电子书阅读器、智能眼镜、智能手表、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

终端160与服务器120之间通过通信网络相连。可选的，该通信网络是有线网络或无线网络。

可选的，该系统还可以包括管理设备(图1未示出)，该管理设备与服务器120之间通过通信网络相连。可选的，通信网络是有线网络或无线网络。

可选的，上述的无线网络或有线网络使用标准通信技术和/或协议。网络通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(Metropolitan Area Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合)。在一些实施例中，使用包括超文本标记语言(Hyper Text Mark-up Language，HTML)、可扩展标记语言(Extensible MarkupLanguage，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(Secure Socket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(Internet ProtocolSecurity，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

图2是根据一示例性实施例示出的一种歌单推送方法的流程图，该歌单推送方法可以用于计算机设备，比如上述图1所示系统的服务器中。如图2所示，该歌单推送方法可以包括如下步骤：

步骤21，获取到向目标用户推送歌单的指令时，获取与该目标用户相匹配的候选歌单，该候选歌单是歌单库中已有的歌单。

其中，上述向目标用户推送歌单的指令可以是由目标用户通过终端中安装的音乐类应用程序触发的指令。

可选的，上述向目标用户推送歌单的指令可以由用户主动触发，比如，当目标用户想要搜索某一类型的歌单时，可以选择音乐类应用程序提供的歌单分类类型，或者，也可以输入一个检索式，之后，终端将目标用户的选择或者输入操作相关的操作信息发送给服务，由服务器根据该操作信息生成向目标用户推送歌单的指令。

或者，上述目标用户推送歌单的指令可以由服务器主动触发，比如，当用户打开音乐类应用程序时，服务器需要向该用户推送可能喜欢的歌曲组成的歌单，此时，即便用户不主动执行歌单分类类型选择操作或者搜索操作，服务器也可以主动生成上述向目标用户推送歌单的指令。

步骤22，获取该候选歌单中的各个歌曲的歌曲特征向量，该歌曲特征向量用于表示对应的歌曲的特征信息。

步骤23，根据该各个歌曲的歌曲特征向量，以及该目标用户的用户特征向量，从该各个歌曲中筛选出目标歌曲；该用户特征向量用于指示该目标用户的用户画像以及该目标用户对应的听歌场景中的至少一种。

在本申请实施例中，服务器可以根据各个歌曲的歌曲特征向量，以及该目标用户的用户特征向量，从各个歌曲中筛选出符合目标用户的用户特征的歌曲，该符合目标用户的用户特征的歌曲可能是用户感兴趣的歌曲。

步骤24，向该目标用户对应的终端推送包含该目标歌曲的个性化歌单。

在本申请实施例中，在筛选出符合目标用户的用户特征的目标歌曲后，服务器即可以将由目标歌曲组成的个性化歌单推送给用户。

例如，请参考图3，其示出了本申请实施例涉及的一种个性化歌单推送的示意图。如图3所示，目标用户打开终端中的音乐类应用程序后，终端向音乐类应用程序的服务器发送登录/用户操作信息(S31)，服务器根据终端发送的信息，从歌单库中提取与目标用户相匹配的至少一个候选歌单(S32)，从而将歌曲筛选的范围从系统中的全部歌曲限制为上述至少一个候选歌单；其中，每个候选歌单中包含至少一个歌曲。之后，服务器进一步的按照歌曲特征向量以及用户特征向量，从各个候选歌单包含的歌曲中筛选出目标歌曲(S33)，最后，服务器向终端推送包含目标歌曲的个性化歌单(S34)。

综上所述，本申请实施例所示的方案，通过获取到向目标用户推送歌单的指令时，获取与目标用户相匹配的候选歌单，并获取候选歌单中的各个歌曲的歌曲特征向量，再根据各个歌曲的歌曲特征向量，以及目标用户的用户特征向量，从各个歌曲中筛选出目标歌曲，并向目标用户对应的终端推送包含目标歌曲的个性化歌单，由于目标歌曲是从与目标用户相匹配的候选歌单中，按照用户特征向量筛选出的，能够保证推送给目标用户的个性化歌单的准确性，并且，将目标歌曲的筛选范围限制在候选歌单中，能够减少歌单筛选过程的计算量，从而在保证推送准确性的情况下，提高个性化歌单的生成效率。

在上述图2所示的方案中，上述从各个歌曲中筛选出目标歌曲时，可以通过各个歌曲的歌曲特征向量与用户特征向量之间的相似性来筛选出目标用户可能感兴趣的目标歌曲。该过程可以如后续实施例所示。

图4是根据一示例性实施例示出的一种歌单推送方法的流程图，该歌单推送方法可以用于计算机设备中。如图4所示，以该计算机设备是上述图1所示系统的服务器为例，该歌单推送方法可以包括如下步骤：

步骤401，获取到向目标用户推送歌单的指令时，获取该目标用户的用户需求信息。

可选的，上述向目标用户推送歌单的指令，可以是目标用户的终端向服务器发送的指令；例如，当目标用户在音乐类应用程序中执行歌单检索的操作，或者，目标用户在音乐类应用程序中执行打开或者刷新具有个性化歌单的界面的操作时，终端将向服务器发送上述向目标用户推送歌单的指令。

或者，上述目标用户推送歌单的指令，也可以是由服务器主动生成的指令；例如，当服务器检测到目标用户在音乐类应用程序中登录账号之后，和/或，分析出目标用户所处的听歌环境满足一定条件后，即可以主动生成向目标用户推送歌单的指令。

在本申请实施例中，上述目标用户的用户需求信息可以是根据用户执行的搜索或者分类选择等操作确定出的信息，或者，上述用户需求信息也可以是服务器根据用户特征和/或当前的听歌环境分析获得的信息。

比如，用户对歌单的诉求主要表现为两种：主动和被动。

其中，用户主动诉求可以是用户输入一个检索式(query)，希望找到与该检索式相符合的歌单，比如，用户可以输入“适合睡觉前听”、“工作背景音乐”、“爵士乐80年代的”、“周杰伦和林俊杰的歌”等等。

用户被动诉求，可以是用户并没有明确的query输入，只是想找一些他想听的歌，而音乐类应用程序的服务器可以根据用户的喜好和当前场景来推断出适合该用户的歌单。

无论是主动还是被动，服务器进行歌单推荐的基本逻辑如下：根据用户需求，基于已有的歌单，生成个性化歌单并推荐给用户。即本申请实施例的整个算法可以分成以下三部分：

一、用户需求表示；

二、歌单表示和筛选；

三、歌曲表示和聚合。

本申请后续实施例将对上述三部分分别进行介绍。

步骤402，生成用于指示该用户需求信息的需求特征向量。

可选的，当该用户需求信息中包含该目标用户输入的检索式时；该生成用于指示该用户需求信息的需求特征向量，可以包括：

提取该检索式中的各个检索关键词；获取该各个检索关键词各自对应的关键词向量；对该各个检索关键词各自对应的关键词向量取平均向量，获得该需求特征向量。

例如，当用户通过音乐类应用程序输入一段检索式时，服务器接收到的是用户输入的该检索式，即一段文本，此时，服务器可以对这段文本进行分词和关键词提取，找出其中的核心词。比如，在上面举的例子中，“睡前”、“工作”、“爵士乐”、“80年代”、“周杰伦”、“林俊杰”等词都属于核心词。

其中，本申请实施例对于服务器使用的分词算法和关键词算法不做限定，比如，在一种可能的实现方式中，服务器可以采用crf方法进行分词，然后用词典匹配的方法，查找属于某一指定的关键词词典的词，作为用户输入的检索式的核心词。

在得到核心词之后，服务器可以将核心词通过类似word2vec的方式得到每个词的向量表示(embedding)，这些不同词的向量表示可以通过平均的方式合并成一个向量表示，记为需求特征向量v_user。

除了上述将不同词的向量表示通过平均的方式合并成一个向量表示之外，服务器还可以通过其它方式进行合并，比如，服务器可以通过取最大值的方式将不同词的向量表示合并为一个向量表示。

可选的，用户需求信息中包含该目标用户输入的检索式的场景下，可以不考虑被动式表示所提到的用户特征，因为当用户有明显的意图(即输入的query)时，服务器不应当去做额外推断，而是直接精准地获取用户意图。

可选的，若该用户需求信息中包含该目标用户的用户画像以及该目标用户对应的听歌场景中的至少一种；则服务器生成用于指示该用户需求信息的需求特征向量时，可以将该目标用户的用户特征向量获取为该需求特征向量。

如果用户未输入显式的检索式，则服务器可以将目标用户的听歌场景和用户其他方面的特征(如年龄、性别、听歌历史、歌曲评论等等)，合并成一个用户特征向量，可以记为w_user。本申请实施例中，对于用户特征向量的表示方式不做限定。比如，服务器可以通过目标用户的用户画像得到上述用户特征向量。

其中，上述目标用户的听歌场景可以通过终端的类型、终端的连接状态、终端的位置以及当前时间等信息确定。

比如，当上述终端是个人电脑等固定式终端，且终端的位置为写字楼等位置，当前时间是工作时间，则可以确定目标用户的听歌场景是上班场景。

或者，当上述终端是手机等移动终端，终端当前正连接有耳机，终端的位置为健身房，当前时间是周末或者下班时间，则可以确定目标用户的听歌场景是健身场景。

或者，当上述终端是手机等移动终端，终端当前正连接有车载设备，终端的位置为户外，则可以确定目标用户的听歌场景是驾车场景。

本申请实施例对于听歌场景的确定以及分类不做限定。

步骤403，获取歌单库中的各个歌单的歌单特征向量；该歌单特征向量用于表示对应的歌单的特征信息。

在本申请实施例中，为了能将歌单和用户匹配起来，服务器也需要对歌单进行向量表示，与上述用户对歌单的诉求不同表现(主动或被动)，此处也可以分别按照不同的方式获取歌单的歌单特征向量。

可选的，若该用户需求信息中包含该目标用户输入的检索式，则在获取该歌单库中的各个歌单的歌单特征向量时，服务器可以提取目标歌单对应的文本信息中的各个歌单关键词；该目标歌单是该各个歌单中的任意一个歌单；获取该各个歌单关键词各自对应的关键词向量；并对该各个歌单关键词各自对应的关键词向量取平均向量，获得该目标歌单的歌单特征向量。

与上述检索式相对于，服务器可以基于标签词对歌单进行向量表示。这种表示方式对应于目标用户对歌单诉求的主动表示。由于用户对歌单诉求的主动式表示来源于query里的核心词，所以，服务器在表示歌单时，也可以获取歌单里的核心词。比如，服务器可以通过歌单中所有跟文本有关的信息来获取核心词，比如歌单名字、歌单里歌曲的名字、歌曲的歌词、歌曲的评论等信息，服务器获取歌单的核心词的方法，与获取目标用户输入的检索式中的关键词的方式类似，集先分词再得到核心词，此处不再赘述。在得到歌单的核心词之后，服务器可以按照与获取检索式的表示向量类似的方式，得到歌单的歌单特征向量，记为v_list。

可选的，若该用户需求信息中包含该目标用户的用户画像以及该目标用户对应的听歌场景中的至少一种；则服务器在获取该歌单库中的各个歌单的歌单特征向量时，可以根据该各个歌单的歌单画像，获取该各个歌单的歌单特征向量；该歌单画像包括对应的歌单所包含歌曲的歌曲画像，以及，对应歌单的歌单场景画像中的至少一种。

与上述目标用户的用户画像以及该目标用户对应的听歌场景对应的，服务器也可以基于歌单场景和歌曲画像来对歌单进行向量表示。这种表示对应了用户对歌单诉求的被动式表示。其中，用户的特征包括当前听歌场景、以及听歌历史等用户画像，因此，服务器也可以提取歌单里相应的信息，比如歌单所适合的场景、歌单里的歌曲等，同样，服务器需要将其表示成向量，例如，服务器可以直接采用已有的歌曲画像、歌单场景画像得到歌单的歌单特征向量，例如，歌曲画像以及歌单场景画面中的每一种特征分别对应一个向量维度，服务器可以根据歌曲画像以及歌单场景画面中的每一种特征，确定歌单特征向量中的每一个维度上的特征值，服务器可以将该歌单特征向量记为w_list。

可选的，上述需求特征向量和歌单特征向量中每个对应维度所表示的特征类型是相同的。比如，对于上述v_user和v_list，这两个向量的长度(也就是维度数)相同，且各自在对应维度上表示的特征类型也相同；再比如，对于上述w_user和w_list，这两个向量的长度相同，且各自在对应维度上表示的特征类型也相同。

步骤404，根据各个歌单的歌单特征向量以及需求特征向量，从各个歌单中筛选出候选歌单。

其中，该候选歌单是歌单库中已有的歌单。

可选的，在根据该各个歌单的歌单特征向量，以及该需求特征向量，从该各个歌单中筛选出该候选歌单时，服务器可以获取该各个歌单的歌单特征向量分别与该需求特征向量之间的相似度；根据该各个歌单的歌单特征向量分别与该需求特征向量之间的相似度，对该各个歌单进行排序；根据对该各个歌单进行排序的结果，从该各个歌单中筛选出该候选歌单。

在本申请实施例中，服务器可以通过歌单的歌单特征向量，与目标用户的需求特征向量之间的相似度，来体现目标用户想要获取歌单的可能性，也就是说，歌单特征向量与需求特征向量之间的相似度越高，目标用户想要获取该歌单中的歌曲的可能性也越大，反之，歌单特征向量与需求特征向量之间的相似度越低，目标用户想要获取该歌单中的歌曲的可能性也越小；通过相似度的排序，服务器可以从中选择用户想要获取的概率较大的一个或者多个歌单作为候选歌单，以便后续进一步进行歌曲的筛选。

可选的，在根据对各个歌单进行排序的结果，从各个歌单中筛选出候选歌单时，服务器可以获取对各个歌单进行排序的结果中，每相邻两个歌单的歌单特征向量分别与需求特征向量之间的相似度的差值；确定第二突发差值；该第二突发差值是该每相邻两个歌单的歌单特征向量分别与需求特征向量之间的相似度的差值中，首个大于第二阈值的差值；根据第二突发差值确定截断歌单，该截断歌单是第二突发差值对应的相邻两个歌单中的后一个歌单；将对各个歌单进行排序的结果中，位于该截断歌单之前的歌单筛选为候选歌单。

可选的，该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度，是对应的歌曲特征向量与该用户特征向量之间的余弦相似度、欧式距离或者杰卡德距离。

其中，在获取到对歌单的向量表示之后，服务器即可以进行歌单筛选。由于本申请实施例需要尽量快地给用户推荐歌曲，因此，服务器可以不额外标注有监督样本，而是直接用无监督的方式产生歌单，例如，该方式可以如下：

以用户对歌单的诉求为主动式的场景为例，服务器可以将歌单库中已有的各个歌单的v_list与目标用户的v_user计算相似度，其中，可以采用的相似度包括但不限于：余弦相似度、欧式距离、杰卡德(jaccard)距离等等。需要说明的是，由于服务器已经将歌单和目标用户的表示(即需求特征向量)对应统一起来了，因此这两个向量中每个维度的含义是相同的，可以直接计算相似度。

服务器将对各个歌单计算得到的相似度按从大到小排序好之后，记为{s1,...,sN},N可以是歌单库中已有的各个歌单的数量。然后，服务器再按照差分的方式，计算相邻两个歌单与需求特征向量的相似度的差异，记为{d1,...,dN-1}。服务器可以从中确定出第一个突变值大于阈值的di(这里突变值的阈值可以按由开发人员或者维护人员按照经验设定)，然后将排序号的队列中第i个歌单之前的歌单作为目标用户的候选歌单，假设有k个，记为{s1,...,sk}。

上述用户对歌单的诉求为被动式的场景下的歌单筛选方式也是类似的，不同的是将上述v_user换成w_user，并将上述v_list换成w_list。

步骤405，获取该候选歌单中的各个歌曲的歌曲特征向量，该歌曲特征向量用于表示对应的歌曲的特征信息。

在本申请实施例中，歌曲的特征信息可以包括歌曲的风格特征、年份特征、歌手特征、适用的用户特征等等。

可选的，歌曲的特征信息可以由歌曲的歌曲画像来表示。其中，上述歌曲画像可以是在音乐类应用程序的服务器中预先设置的，表示歌曲特征的信息。

步骤406，获取该各个歌曲的歌曲特征向量分别与目标用户的用户特征向量之间的相似度。

该用户特征向量用于指示该目标用户的用户画像以及该目标用户对应的听歌场景中的至少一种。

其中，用户特征向量的表示可以参考上述步骤402中，在用户需求信息中包含该目标用户的用户画像以及该目标用户对应的听歌场景中的至少一种的情况下获取的用户特征向量，此处不再赘述。

步骤407，根据各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度，对该各个歌曲进行排序。

与歌单的排序类似的，服务器可以通过歌曲特征向量，与目标用户的用户特征向量之间的相似度，来体现目标用户想要获取对应歌曲的可能性，也就是说，歌曲特征向量与用户特征向量之间的相似度越高，目标用户想要获取该歌曲的可能性也越大，反之，歌曲特征向量与用户特征向量之间的相似度越低，目标用户想要获取该歌曲的可能性也越小；通过相似度的排序，服务器可以从中选择用户想要获取的概率较大一个或者多个歌曲作为目标歌曲。

步骤408，根据对各个歌曲进行排序的结果，从各个歌曲中筛选出目标歌曲。

可选的，在根据对该各个歌曲进行排序的结果，从该各个歌曲中筛选出该目标歌曲时，服务器可以获取对该各个歌曲进行排序的结果中，每相邻两个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度的差值；确定第一突发差值；该第一突发差值是该每相邻两个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度的差值中，首个大于第一阈值的差值；根据该第一突发差值确定截断歌曲，该截断歌曲是该第一突发差值对应的相邻两个歌曲中的后一个歌曲；将该对该各个歌曲进行排序的结果中，位于该截断歌曲之前的歌曲筛选为该目标歌曲。

与上述筛选歌单的方式类似的，服务器可以按照排序后进行差值计算和突发截断的方式选择目标歌曲。

可选的，在根据对该各个歌曲进行排序的结果，从该各个歌曲中筛选出该目标歌曲时，当该各个歌曲的数量大于或者等于数量阈值N时，服务器可以将对该各个歌曲进行排序的结果中的前N个歌曲筛选为该目标歌曲；当该各个歌曲的数量小于该数量阈值N时，服务器可以将该各个歌曲筛选为该目标歌曲。

在另一种可能的实现方式中，服务器也可以按照预设的目标歌曲的数量上限来筛选目标歌曲，也就是说，当各个歌曲的数量达到上述数量上限N时，服务器可以将各个歌曲排序后的前N个歌曲获取为上述目标歌曲；而当上述各个歌曲的数量未达到上述数量上限N时，服务器可以将上述各个歌曲都作为上述目标歌曲。

可选的，当该候选歌单包含至少两个歌单时，服务器获取该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度之前，还可以对该至少两个歌单中的歌曲进行去重处理，获得该各个歌曲。

例如，服务器在得到目标用户的候选歌单{s1,...,sk}之后，便可以将歌单里的所有歌曲全部提取出来并进行去重(在这一步可以消除歌单的重复部分)，去重之后组成一个大的歌曲候选集，记为{song1,...,songM}，其中有M首歌。

在本申请实施例中，服务器可以继续采用与歌单筛选类似的方法(先计算相似度、再排序、再划分阈值截断)去提取最终的目标歌曲，从而生成用户的个性化歌单。

需要注意的是，这里计算相似度的时候，无论是主动还是被动场景，都可以使用用户对歌单诉求为被动式的场景中的用户特征w_user与歌曲画像v_song做相似度计算，这是由于在用户对歌单诉求为主动式的场景中，用户输入的检索式query已经用来筛选歌单，因此候选歌单中的歌曲默认为已经符合了query的需求，因此服务器计算相似度排序的时候，需要使用歌曲本身的歌曲画像(即上述歌曲特征向量)来与用户画像和/或当前听歌场景做相似度计算并进行排序。

可选的，在根据该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度，对该各个歌曲进行排序之前，服务器还可以获取该各个歌曲在该至少两个歌单中的重复次数；根据该各个歌曲在该至少两个歌单中的重复次数，获取该各个歌曲的相似度权重；根据该各个歌曲的相似度权重，对该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度进行调整。

相应的，在根据该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度，对该各个歌曲进行排序时，服务器可以根据调整后的该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度，对该各个歌曲进行排序。

在本申请实施例中，对于多个候选歌单，这多个候选歌单中的各个歌曲的重复次数越多，说明该歌曲越有可能是用户想要获取到的歌曲，因此，在本申请实施例中，服务器除了将歌曲的歌曲特征向量与用户特征向量进行相似度计算来表征歌曲与目标用户的匹配程度之外，还可以进一步通过每个歌曲在候选歌单的重负次数，对歌曲的歌曲特征向量与用户特征向量进行相似度进行调整，以使得调整后的相似度能够更准确的表征歌曲与目标用户的匹配程度。

步骤409，向该目标用户对应的终端推送包含该目标歌曲的个性化歌单。

其中，终端接收到上述个性化歌单之后，即可以对个性化歌单进行展示，以便用户选择播放个性化歌单中的歌曲。

可选的，服务器还可以向终端推送候选歌单的歌单信息，该候选歌单的歌单信息中包含候选歌单的代表歌曲的歌曲信息，该代表歌曲是候选歌单中，除了目标歌曲之外的至少一个歌曲。相应的，终端获取到候选歌单的歌单信息后，可以对应候选歌单展示上述代表歌曲的歌曲信息，以便用户在代表歌曲中发现自己想要获取的歌曲后，可以进一步通过候选歌单获取该歌曲。

可选的，由于上述个性化歌单中的目标歌曲是从各个候选歌单中筛选出的歌曲，因此，各个候选歌单中会有一些歌曲未被筛选为上述目标歌曲，而这些未被筛选出的歌曲也有可能是用户想要获取到的歌曲，因此，在本申请实施例中，服务器除了将个性化歌单推送给目标用户的终端之外，还可以将候选歌单也一并推送给目标用户的终端，同时在候选歌单中将目标歌曲之外的其它一个或者多个歌曲标记为代表歌曲，以便终端在音乐类应用程序的界面中进行展示，若用户在候选歌单的代表歌曲中发现自己想要获取的歌曲，则可以通过候选歌单来点播该歌曲，或者，将该歌曲人工添加到上述个性化歌单中。

比如，请参考图5，其示出了本申请实施例涉及的一种歌单展示的界面图。如图5所示，在本申请实施例中，服务器根据候选歌单生成包含目标歌曲的个性化歌单之后，从候选歌单中确定出未被筛选为目标歌曲的代表歌曲，其中，代表歌曲可以是各个候选歌单中，除了目标歌曲之外，对应的歌曲特征向量与用户特征向量的相似度最高的一个或者多个歌曲；服务器将个性化歌单的歌单信息，以及候选歌单的歌单信息一并推送给目标用户的终端，其中，候选歌单的歌单信息中还包含代表歌曲的歌曲信息，终端接收到个性化歌单的歌单信息，以及候选歌单的歌单信息后，展示歌单界面51，该歌单界面51中包含个性化歌单的选项51a、候选歌单的选项51b，其中，候选歌单的选项51b下方还对应显示该候选歌单中的代表歌曲的歌曲信息51c。其中，若目标用户点击个性化歌单的选项51a，则终端可以跳转展示个性化歌单中的歌曲列表，若目标用户发现代表歌曲的歌曲信息51c中存在自己感兴趣的歌曲信息，则可以进一步点击候选歌单的选项51b，此时终端可以跳转展示候选歌单中的歌曲列表，以便目标用户从中选择自己感兴趣的代表歌曲进行播放或者添加到个性化歌单。

此外，本申请实施例所示的方案中，在根据该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度，对该各个歌曲进行排序之前，服务器还可以获取该各个歌曲在该至少两个歌单中的重复次数；根据该各个歌曲在该至少两个歌单中的重复次数对该各个歌曲的歌曲特征向量分别与该用户特征向量之间的相似度进行调整，从而进一步提高目标歌曲筛选的准确性，提高歌单推送的效果。

请参考图6，其是根据一示例性实施例示出的一种歌单推送流程的示意图。如图6所示，该歌单推送流程如下：

步骤61，目标用户打开终端中的音乐类应用程序后，终端向音乐类应用程序的服务器发送登录/用户操作信息。

步骤62，服务器根据终端发送的信息，确定需要向目标用户推送个性化歌单，并从歌单库中提取与目标用户相匹配的至少一个候选歌单。

该步骤可以将歌曲筛选的范围从系统中的全部歌曲限制为上述至少一个候选歌单，从而减少歌曲匹配的计算量和推送效率；其中，每个候选歌单中包含至少一个歌曲。

该步骤中，服务器可以用户输入的检索式进行歌单的筛选，或者，也可以通过用户画像和目标用户当前的听歌场景进行歌单的筛选。该歌单筛选的过程可以参考上述图4所示实施例中的歌单筛选过程，此处不再赘述。

步骤63，服务器对至少一个候选歌单中的歌曲进行去重，得到一个无重复的歌曲集合，同时得到集合中每个歌曲在至少一个候选歌单中的重复次数。

步骤64，服务器按照歌曲特征向量以及用户特征向量，计算歌曲集合中各个歌曲的歌曲特征向量与目标用户的用户特征向量之间的相似性，并通过重复次数对相似性进行调整后进行排序，得到排序后的歌曲集合。

其中，服务器进行歌曲特征向量与用户特征向量之间的相似性计算的过程，以及通过重复次数对相似性进行调整以及排序的过程可以参考上述图4所示实施例中的相关描述，此处不再赘述。

步骤65，服务器对排序后的歌曲集合中的歌曲进行相似度的差分计算并截断得到由目标歌曲组成的个性化歌单。

在该步骤中，服务器还可以从各个候选歌单包含的歌曲中，确定候选歌单对应的代表歌曲。

其中，根据排序后的歌曲集合，通过差分截断的方式筛选目标歌曲的过程，以及确定候选歌单中的代表歌曲的过程，可以参考图4所示实施例中相应的介绍，此处不再赘述。

步骤66，服务器将个性化歌单，以及标注有代表歌曲的候选歌单推送给终端。

步骤67，终端展示歌单界面，该歌单界面中除了展示由个性化歌单之外，还展示由各个候选歌单以及候选歌单中的代表歌曲。

由于音乐类应用程序的服务器中已有的歌单很多都是重复的，如果由用户自己手动基于已有的歌单来创建满足自己要求的新的歌单，则由于已有的歌单中很多歌曲有重复，需要用户自己分辨并去除重复歌曲，并且因为歌单太多，用户手动创建过程耗时太长；而如果用户只基于少量歌单去创建自己的歌单，那么又会导致多样性又不够，容易错过很多用户真正喜欢的歌。

而本申请上述实施例所示的方案，提出一种自动帮助用户创建歌单的方法，该方法可以帮用户自动收集契合其需求的歌单，并对歌单里的歌曲自动进行去重、排序、聚合，从而生成符合其需求的歌单。该方法不仅能帮用户节省时间，还能更好地为用户挖掘潜在喜欢的歌曲，生成个性化的优质歌单，并充实服务器中的歌单。

图7是根据一示例性实施例示出的一种歌曲推送装置的结构方框图。该歌曲推送装置可以用于计算机设备，比如服务器中，以执行图2或图4所示实施例中的全部或者部分步骤。该歌曲推送装置可以包括：

候选歌单获取模块701，用于获取到向目标用户推送歌单的指令时，获取与所述目标用户相匹配的候选歌单，所述候选歌单是歌单库中已有的歌单；

歌曲特征向量获取模块702，用于获取所述候选歌单中的各个歌曲的歌曲特征向量，所述歌曲特征向量用于表示对应的歌曲的特征信息；

歌曲筛选模块703，用于根据所述各个歌曲的歌曲特征向量，以及所述目标用户的用户特征向量，从所述各个歌曲中筛选出目标歌曲；所述用户特征向量用于指示所述目标用户的用户画像以及所述目标用户对应的听歌场景中的至少一种；

歌单推送模块704，用于向所述目标用户对应的终端推送包含所述目标歌曲的个性化歌单。

可选的，所述歌曲筛选模块703，包括：

可选的，所述筛选子模块，用于，

可选的，所述歌曲筛选模块703，还包括：

可选的，所述候选歌单获取模块701，包括：

所述需求特征向量生成子模块，用于，

提取所述检索式中的各个检索关键词；

获取所述各个检索关键词各自对应的关键词向量；

所述歌单特征向量获取子模块，用于，

获取所述各个歌单关键词各自对应的关键词向量；

可选的，所述歌单筛选子模块，用于，

图8是根据一示例性实施例示出的一种计算机设备的结构示意图。所述计算机设备800包括中央处理单元(CPU)801、包括随机存取存储器(RAM)802和只读存储器(ROM)803的系统存储器804，以及连接系统存储器804和中央处理单元801的系统总线805。所述计算机设备800还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)806，和用于存储操作系统813、应用程序814和其他程序模块815的大容量存储设备807。

所述基本输入/输出系统806包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中所述显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。所述基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。

所述大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。所述大容量存储设备807及其相关联的计算机可读介质为计算机设备800提供非易失性存储。也就是说，所述大容量存储设备807可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。

不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。

计算机设备800可以通过连接在所述系统总线805上的网络接口单元811连接到互联网或者其它网络设备。

所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，中央处理器801通过执行该一个或一个以上程序来实现图2或图4所示的方法的全部或者部分步骤。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括计算机程序(指令)的存储器，上述程序(指令)可由计算机设备的处理器执行以完成本申请各个实施例所示的方法的全部或者部分步骤。例如，所述非临时性计算机可读存储介质可以是只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、光盘只读存储器(Compact Disc Read-Only Memory，CD-ROM)、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims

1.一种歌单推送方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述各个歌曲的歌曲特征向量，以及所述目标用户的用户特征向量，从所述各个歌曲中筛选出目标歌曲，包括：

获取所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度；

根据所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，对所述各个歌曲进行排序；

根据对所述各个歌曲进行排序的结果，从所述各个歌曲中筛选出所述目标歌曲。

3.根据权利要求2所述的方法，其特征在于，所述根据对所述各个歌曲进行排序的结果，从所述各个歌曲中筛选出所述目标歌曲，包括：

4.根据权利要求2所述的方法，其特征在于，所述根据对所述各个歌曲进行排序的结果，从所述各个歌曲中筛选出所述目标歌曲，包括：

5.根据权利要求2所述的方法，其特征在于，当所述候选歌单包含至少两个歌单时，所述获取所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度之前，还包括：

对所述至少两个歌单中的歌曲进行去重处理，获得所述各个歌曲。

6.根据权利要求5所述的方法，其特征在于，

所述根据所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，对所述各个歌曲进行排序之前，还包括：

获取所述各个歌曲在所述至少两个歌单中的重复次数；

根据所述各个歌曲在所述至少两个歌单中的重复次数，获取所述各个歌曲的相似度权重；

根据所述各个歌曲的相似度权重，对所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度进行调整；

所述根据所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，对所述各个歌曲进行排序，包括：

根据调整后的所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，对所述各个歌曲进行排序。

7.根据权利要求2所述的方法，其特征在于，所述各个歌曲的歌曲特征向量分别与所述用户特征向量之间的相似度，是对应的歌曲特征向量与所述用户特征向量之间的余弦相似度、欧式距离或者杰卡德距离。

8.根据权利要求1所述的方法，其特征在于，所述获取到向目标用户推送歌单的指令时，获取与所述目标用户相匹配的候选歌单，包括：

获取到向目标用户推送歌单的指令时，获取所述目标用户的用户需求信息；

生成用于指示所述用户需求信息的需求特征向量；

获取所述歌单库中的各个歌单的歌单特征向量；所述歌单特征向量用于表示对应的歌单的特征信息；

根据所述各个歌单的歌单特征向量，以及所述需求特征向量，从所述各个歌单中筛选出所述候选歌单。

9.根据权利要求8所述的方法，其特征在于，所述用户需求信息中包含所述目标用户输入的检索式；

所述生成用于指示所述用户需求信息的需求特征向量，包括：

提取所述检索式中的各个检索关键词；

获取所述各个检索关键词各自对应的关键词向量；

所述获取所述歌单库中的各个歌单的歌单特征向量，包括：

获取所述各个歌单关键词各自对应的关键词向量；

10.根据权利要求8所述的方法，其特征在于，所述用户需求信息中包含所述目标用户的用户画像以及所述目标用户对应的听歌场景中的至少一种；

将所述目标用户的用户特征向量获取为所述需求特征向量；

所述获取所述歌单库中的各个歌单的歌单特征向量，包括：

根据所述各个歌单的歌单画像，获取所述各个歌单的歌单特征向量；所述歌单画像包括对应的歌单所包含歌曲的歌曲画像，以及，对应歌单的歌单场景画像中的至少一种。

11.根据权利要求8所述的方法，其特征在于，所述根据所述各个歌单的歌单特征向量，以及所述需求特征向量，从所述各个歌单中筛选出所述候选歌单，包括：

12.根据权利要求11所述的方法，其特征在于，所述根据对所述各个歌单进行排序的结果，从所述各个歌单中筛选出所述候选歌单，包括：

13.一种歌单推送装置，其特征在于，所述装置包括：

14.一种计算机设备，其特征在于，所述计算机设备包含处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至12任一所述的歌单推送方法。

15.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至12任一所述的歌单推送方法。