CN114595361B - 一种音乐热度的预测方法、装置、存储介质及电子设备 - Google Patents

一种音乐热度的预测方法、装置、存储介质及电子设备 Download PDF

Info

Publication number
CN114595361B
CN114595361B CN202210220172.4A CN202210220172A CN114595361B CN 114595361 B CN114595361 B CN 114595361B CN 202210220172 A CN202210220172 A CN 202210220172A CN 114595361 B CN114595361 B CN 114595361B
Authority
CN
China
Prior art keywords
music data
music
data
heat
prediction
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
Application number
CN202210220172.4A
Other languages
English (en)
Other versions
CN114595361A (zh
Inventor
王乔木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zitiao Network Technology Co Ltd
Original Assignee
Beijing Zitiao Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zitiao Network Technology Co Ltd filed Critical Beijing Zitiao Network Technology Co Ltd
Priority to CN202210220172.4A priority Critical patent/CN114595361B/zh
Publication of CN114595361A publication Critical patent/CN114595361A/zh
Priority to PCT/CN2023/078757 priority patent/WO2023169259A1/zh
Application granted granted Critical
Publication of CN114595361B publication Critical patent/CN114595361B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7834—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using audio features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/683—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44204—Monitoring of content usage, e.g. the number of times a movie has been viewed, copied or the amount which has been watched

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Networks & Wireless Communication (AREA)

Abstract

本公开实施例公开了一种音乐热度的预测方法、装置、存储介质及电子设备。其中方法包括：提取当前视频中的音频数据，识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。实现了从视频维度对音乐数据进行热度预测，无需依赖于人力，预测效率高，成本低。

Description

一种音乐热度的预测方法、装置、存储介质及电子设备
技术领域
本公开实施例涉及计算机数据处理技术领域，尤其涉及一种音乐热度的预测方法、装置、存储介质及电子设备。
背景技术
随着视频技术的不断发展，尤其是短视频被广大用户接受与使用，视频的热度同样带动视频中音乐的热度。
目前，对视频中音乐热度的统计，一般是在音乐或歌曲具有热度后再被发现，并且音乐热度的统计纯依赖于人力，导致存在对音乐热度预测存在检测效率差，人力消耗大的问题。
发明内容
本公开实施例提供了一种音乐热度的预测方法、装置、存储介质及电子设备，以实现在视频维度上的音乐热度预测。
第一方面，本公开实施例提供了一种音乐热度的预测方法，包括：
提取当前视频中的音频数据，识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。
第二方面，本公开实施例还提供了一种音乐数据的预测装置，包括：
音频提取模块，用于提取当前视频中的音频数据；
元数据匹配模块，用于识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
热度预测模块，用于基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。
第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：
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，使得所述一个或多个处理器实现如本公开实施例任一所述的音乐热度的预测方法。
第四方面，本公开实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本公开实施例任一所述的音乐热度的预测方法。
本公开提供的技术方案，通过提取视频中的音频数据，以识别音频数据对应的音乐数据，并通过视频的关联数据和/或音乐数据的关联数据对音乐数据进行热度预测，实现了从视频维度对音乐数据进行热度预测，无需依赖于人力，预测效率高，成本低。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1为本公开实施例所提供的一种音乐热度的预测方法的流程示意图；
图2是本公开实施例所提供的一种音乐数据的预测装置的结构示意图；
图3是本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
图1为本公开实施例所提供的一种音乐热度的预测方法的流程示意图，本公开实施例适应于视频中音乐数据的使用情况预测语音元数据的热度，该方法可以由本公开实施例提供的音乐热度的预测装置来执行，该音乐热度的预测装置可以通过软件和/或硬件的形式实现，可选的，通过电子设备来实现，该电子设备可以是计算机或者服务器等。如图1，本实施例的方法包括：
S110、提取当前视频中的音频数据，识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系。
S120、基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。
本实施例中的视频可以是用户客户端上传的视频，示例性的，该视频可以是短视频平台上，由客户端上传的短视频，或者，还可以是直播数据平台上，客户端上传的直播视频。根据各视频的上传时间确定当前视频，示例性的，视频平台(例如直播平台或短视频平台)上最新上传的视频确定为当前视频，即对短视频平台上实时上传的视频进行实时处理，或者，根据预设时间间隔，对上传时间在预设时间间隔内的视频确定为当前视频。
视频由连续图像帧和音频数据组合得到，通过在视频中提取音频数据，以实现对音频数据的处理，避免了图像帧数据对音频数据的干扰，同时减少处理数据量。具体的，对当前视频进行抽声处理和转码处理，得到音频数据。
在一些实施例中，音频数据中可以包括但不限于说话声、唱歌声、风声、水声、背景音以及噪声等声音。相应的，得到音频数据之后，还包括，确定音频数据中是否包括音乐事件，若是，则继续执行识别所述音频数据对应的音乐数据的步骤，若否，则表明该音频数据中未使用音乐数据，取消对该音频数据的处理，避免对音频数据的无效处理，提高音频数据处理的有效性。可选的，确定音频数据时长，音频数据时长与视频时长相同，若音频数据时长大于预设时长，则将音频数据划分为多个音频段，分别对各个音频段进行音乐事件的检测，将存在音乐事件的音频段进行后续处理，若音频数据时长小于或等于预设时长，则将音频数据作为整体进行音乐事件的检测。
其中，音乐事件可以包括背景音事件和唱歌事件。示例性的，可以是将音频数据输入至音乐识别模型中，得到所述音乐识别模型输出的音乐事件识别结果，其中，所述音乐识别模型基于音频样本与所述音频样本对应的事件标签训练得到。音乐识别模型具有在音频数据识别音乐事件的能力，对于输入的音频段，可识别该音频段中是否包括音乐事件。可选的，将包括音乐事件的音频样本作为正样本，将包括笑声、聊天、噪音等事件的音频样本作为负样本，相应的，正负样本分别对应的事件标签可以是正和负。基于正负样本对应的音频样本和音频样本对应的事件标签对初始训练模型进行训练，得到音乐识别模型。其中，初始训练模型可以包括但不限于长短期记忆网络模型、支持向量机模型等，在此不做限定。
对于包括音乐事件的音频数据，确定音频数据对应的音乐数据。在一些实施例中，若音频数据大于预设时长，可以是确定音乐事件对应的起止时间戳，在音频数据中截取音乐事件对应的子数据，基于截取的子数据确定音乐事件对应的音乐数据，避免非音乐事件的数据对识别音乐数据的干扰，提高音乐数据的识别准确性。相应的，音乐识别模型的训练样本中，还包括音频样本中音乐事件标签对应的起止时间戳，通过上述训练样本训练得到的音乐识别模型可识别输入音频段中是否包括音乐事件，以及音乐事件的起止时间戳。
对应提取的音频数据，或者音频数据中的至少一个子数据，分别进行特征提取，通过提取的特征数据进行音乐数据的匹配，其中，音乐数据为音乐事件所属的完整音乐数据，例如可以是原唱音乐数据或者具有版权的音乐数据。本实施例中，可以是预先创建一音乐数据库，用于存储音乐数据，或者用于关联存储音乐数据标识和对应的音乐特征。通过将音频数据或音频子数据的特征信息在音乐数据库中各音乐数据的特征信息进行特征匹配，以确定音频数据对应的一个或多个音乐数据。
其中，音频数据(包括子数据)的音乐特征包括音频指纹特征和音乐翻唱特征的一项或多项，相应的，可基于音频指纹特征和/或音乐翻唱特征进行音乐数据的匹配。
在一些实施例中，识别所述音频数据对应的音乐数据，包括：提取所述音频数据的音频指纹特征，将所述音乐指纹特征在预设音乐指纹库中进行匹配，确定与所述音频数据相匹配的音乐数据，其中，所述预设音乐指纹库中包括预存储的音乐数据和对应的音乐指纹特征。
本实施例中，调用指纹提取算法，基于该指纹提取算法对音频数据进行指纹提取，得到音频指纹数据，音频指纹特征与确定音频指纹特征的音频数据一一对应，在音频数据划分为多个子数据的情况下，各子数据分别对应一音频指纹特征。在一些实施例中，指纹提取算法可以是landmark算法，可以是将音频数据变换至频域，例如可以是通过傅里叶变换实现，提取频域音频数据的能量峰值特征landmark，基于能量峰值特征landmark构造音频指纹特征。
可选的，根据音频数据中音乐事件的起止时间戳，对所述音频数据进行截取，得到截取音频段，提取所述截取音频段的音乐指纹特征。通过剔除非音乐事件的局部音频数据，仅对截取的音乐事件对应的局部音频数据确定音乐指纹特征，避免了非音乐事件部分的局部音频数据对音乐指纹特征的干扰，同时，减少了确定音乐指纹特征的音频数据量，有利于音乐指纹特征的快速提取。
可选的，在所述音频数据中提取所述音乐事件所在音轨的局部音频数据，基于所述局部音频数据提取音乐指纹特征。音频数据包括多个音轨，示例性的，音频数据中可以包括背景采集音轨和语音采集音轨，在任一音频段中，背景采集音轨中的音频数据可以是背景音乐，语音采集音轨中的音频数据可以是主持人的对话语音数据；示例性的，背景采集音轨中的音频数据可以是噪声，语音采集音轨中的音频数据可以是主持人的唱歌语音。不同音轨中可以是同时包括音乐事件，也可以其中一个或多个音轨中独立包括音乐事件，通过提取音乐事件所在音轨的局部音频数据，剔除非音乐事件所在音轨的局部音乐数据，减少了非音乐事件的干扰，有利于提高后续音乐指纹特征的提取的准确性。
音乐数据库中包括各音乐数据的音频指纹特征，在一些实施例中，音乐数据对应的音频指纹特征包括整体音乐数据对应的指纹特征和局部音乐数据对应的指纹特征，相应的，可以是通过将音乐数据划分为多个音乐子数据，各音乐子数据之间可存在部分数据的重叠，不同音乐子数据的长度相同或不同，对此不作限定，分别确定每一音乐子数据对应的指纹特征，以形成音乐数据库。
将音频数据的音频指纹特征在音乐数据库中进行匹配，将匹配度最高的音乐数据，确定为音频数据对应的音乐数据，或者，将满足匹配度阈值的音乐数据确定为音频数据对应的音乐数据，音频数据可对应一个或多个音乐数据。具体的，将音频指纹特征与音乐数据库中各音乐数据的指纹特征进行逐一匹配，对于匹配到的指纹特征，获取匹配到指纹特征对应的音乐数据标识，分别获取音频指纹特征在音乐数据中出现的第一时间信息和匹配到指纹特征在音乐数据中出现的第二时间信息，并确定第一时间信息和第二时间信息的时间差，基于时间差满足时间差阈值的音乐数据标识确定音频数据对应的音乐数据；或者，基于时间差对音乐数据标识进行排序，在排序中将包含最多相同时间差确定音频数据对应的音乐数据。
在一些实施例中，识别所述音频数据对应的音乐数据，包括：提取所述音频数据的音乐翻唱特征，将所述音乐翻唱特征与预设音乐库中的各音乐数据进行匹配，确定所述音频数据满足翻唱条件的音乐数据。
其中，音乐数据中包括大量元素，例如节奏、旋转与和声等，因此，音乐数据在重现演绎的情况下，可引入不同的变化。示例性的，不同性别的用户的演绎导致的变化，不同乐器的演绎导致的变化，不同用户通过不同演唱风格导致的变化，不同的语种导致的变化，演唱过程中即兴创作或者与听众的即兴交互等导致的变化等。上述变化导致再次演绎的音乐数据与音乐数据库中存储的音乐数据不同，进而导致分别确定的指纹特征存在不同，导致匹配误差。
本实施例中，通过提取音乐翻唱特征，以匹配到满足翻唱条件的音乐数据，从翻唱维度确定音乐数据，通过音乐数据的匹配准确度。可选的，音乐翻唱特征包括但不限于音频数据的音调、节拍、歌词、旋律以及旋律变化趋势等的特征信息。相应的，预设音乐库中包括音乐数据标识以及对应的音乐特征，将音频数据的音乐翻唱特征与预设音乐库中进行匹配，确定满足翻唱条件的音乐数据，该音乐数据可以是一个或多个。
在上述实施例的基础上，对于任一音频数据，可以是分别提取音频指纹特征和音乐翻唱特征，并基于音频指纹特征和音乐翻唱特征分别匹配音乐数据，基于音频指纹特征匹配的音乐数据，以及音乐翻唱特征匹配的音乐数据确定音频数据的目标音乐数据，其中，目标音乐数据可以是音频指纹特征匹配的音乐数据，以及音乐翻唱特征匹配的音乐数据的集合。通过不同的特征信息进行音乐数据的匹配，提高了音乐数据的匹配成功率和准确性。
将音频数据对应的音乐数据，以及音频数据对应的视频构建对应关联，示例性的，将音乐数据标识和视频标识关联存储。其中视频标识可以是用于唯一标记视频的字符串，视频标识可以是基于视频ID、视频发布时间戳、视频标题、视频发布用户ID等的一项或多项构建，对此不作限定。
将音乐数据和视频的对应关系存储至数据库中，该数据库可以是MySQL数据库、ByteGraph数据库、Hive数据库等，对此不作限定。数据库中，音乐数据和视频的对应关系可以是一对一、一对多、多对一或者多对多等，对于当前视频，确定当前视频与音乐数据的对应关系，并将当前视频与音乐数据的对应关系更新至上述数据库中。示例性的，可以是将视频标识作为索引，将音乐数据标识添加到当前视频标识的关联标识集合中，还可以是将音乐数据标识作为索引，将当前视频标识添加到音乐数据标识的关联标识集合中。
视频与音乐数据的对应关系，可表征视频中音乐数据的使用情况，本实施例中，基于视频与音乐数据的对应关系，对音乐数据进行热度预测。本实施例中，可根据视频的关联数据和/或音乐数据的关联数据对音乐数据进行热度预测。需要说明的是，获取预设时间区间内视频的关联数据和/或音乐数据的关联数据，用于对音乐数据进行热度预测，其中，预设时间区间可根据预测需求设置。在一些实施例中，预设时间区间可以是1小时、12小时、24小时、一星期或者一个月等。在一些实施例中，设置不同的预设时间区间，以得到音乐数据在不同区间内的预测热度。由于音乐数据的音乐类型、风格等的不同，导致不同音乐数据的热度展示形式不同，例如可以是短时间内热度增大，持续时间短，例如还可以是短时间内热度较低，但热度持续增大或热度持续时间长等。通过设置进行热度预测的不同预设时间区间，便于对音乐数据进行全面的热度预测，提供热度预测的准确性。在一些实施例中，可以是将音乐数据，在不同预设时间区间的最高预测热度，作为音乐数据的目标预测热度。
当前视频的关联数据包括：在所述预设时间区间内，当前视频的播放次数、基于所述当前视频的新增视频创作量中的一项或多项。需要说明的是，视频分别对应发布时间戳，即上传平台的时间戳，可根据视频的发布时间戳作为起始时间，并基于预设时间区间确定关联时间的获取时间段。
在任一客户端请求当前视频时，将当前视频发送至客户端，并将当前视频的播放次数加一，当前视频的播放次数可以是预设时间区间内的总播放次数。在客户端的显示界面中包括跟随拍摄控件，跟随拍摄控件被触发的情况下，基于当前视频作为视频拍摄模板进行新视频创作，其中，视频拍摄模板中包括当前视频数据。相应的，对新增视频中设置跟随标签，该跟随标签可以包括当前视频标识，统计预设时间区间内，设置有包括当前视频标识的跟随标签的新增视频数量，得到当前视频的新增视频创作量。
可选的，基于所述当前视频在预设时间区间的关联数据，确定所述音乐数据的预测热度，包括：基于所述当前视频的播放次数和/或所述新增视频创作量，确定所述音乐数据的第一预测热度。
在一些实施例中，基于所述当前视频的播放次数确定所述音乐数据的第一预测热度，可以是在当前视频的播放次数大于第一数量阈值的情况下，表明当前视频对应的音乐数据满足热度条件，该音乐数据为高热度音乐数据。在一些实施例中，第一数量阈值包括多个数据值，即多个数量范围，相应的，音乐数据的预测热度包括多个热度等级，热度等级的数量此处不作限定。基于所述当前视频的播放次数确定所述音乐数据的第一预测热度，可以是将当前视频的播放次数与第一数量阈值中的多个数量范围进行匹配，确定当前视频的播放次数所在的数量范围，将确定的数量范围对应的预测热度确定为音乐数据的第一预测热度。音乐数据的第一预测热度可以是热度等级，也可以是热度数值。
在一些实施例中，基于新增视频创作量确定所述音乐数据的第一预测热度，可以是在当前视频的新增视频创作量大于第二数量阈值的情况下，表明当前视频对应的音乐数据满足热度条件，该音乐数据为高热度音乐数据。在一些实施例中，第二数量阈值包括多个数据值，即多个数量范围，相应的，音乐数据的预测热度包括多个热度等级，热度等级的数量此处不作限定。基于新增视频创作量确定所述音乐数据的第一预测热度，可以是将当前视频的新增视频创作量与第二数量阈值的多个数量范围进行匹配，确定当前视频的新增视频创作量所在的数量范围，将确定的数量范围对应的预测热度确定为音乐数据的第一预测热度。
在一些实施例中，基于当前视频的播放次数和新增视频创作量共同确定音乐数据的第一预测热度，例如在满足当前视频的播放次数大于第一数量阈值，以及，所述新增视频创作量大于第二数量阈值的一项或多项的情况下，确定所述音乐数据为高热度音乐数据。
在一些实施例中，基于所述当前视频的播放次数所述新增视频创作量，确定所述音乐数据的第一预测热度，包括：基于第一数量阈值和所述当前视频的播放次数，确定所述音乐数据的第一预测参数，以及，基于第二数量阈值和所述新增视频创作量，确定所述音乐数据的第二预测参数；基于所述第一预测参数和/或第二预测参数，确定所述音乐数据的第一预测热度。其中，第一数量阈值和第二数量阈值可以是一个数值，在当前视频的播放次数大于第一数量阈值时，将第一预测参数确定为第一数值，在新增视频创作量大于第二数量阈值时，将第二预测参数确定为第二数值；第一数量阈值和第二数量阈值还可以分别为多个数据值，即多个数据范围，每一数据范围分别对应不同的预测参数，第一数量阈值和第二数量阈值分别的数据范围对应的预测参数可以相同或不同，第一数量阈值和第二数量阈值分别对应的数据值的数量可以相同或不同。将当前视频的播放次数与第一数量阈值进行比对，确定所在的数量范围，以得到第一预测参数，将新增视频创作量与第二数量阈值进行比对，确定所在的数量范围，以得到第二预测参数。
将第一预测参数或第二预测参数确定为目标预测数据，或者基于第一预测参数和第二预测参数计算确定目标预测数据，该目标预测数据用于表征音乐数据的预测热度。具体的，可以是基于第一预测参数和第二预测参数进行加权计算得到目标预测数据，第一预测参数和第二预测参数的权重可以是预先设置，对此不作限定。
在上述实施例的基础上，根据音乐数据的关联数据确定音乐数据的预测热度，其中，音乐数据在预设时间区间的关联数据包括：在所述预设时间区间内，与所述音乐数据存在对应关系的视频数量、与所述音乐数据存在对应关系的视频的播放次数中的一项或多项。
在一些实施例中，根据音乐数据的关联数据确定音乐数据的预测热度，可以是将所述音乐数据存在对应关系的视频数量与第三数量阈值进行比对，在音乐数据存在对应关系的视频数量大于第三数量阈值的情况下，将音乐数据确定为高热度音乐数据。在一些实施例中，第三数量阈值包括多个数据值，即多个数量范围，相应的，音乐数据的预测热度包括多个热度等级，热度等级的数量此处不作限定。基于音乐数据存在对应关系的视频数量确定所述音乐数据的第二预测热度，可以是将音乐数据存在对应关系的视频数量与第三数量阈值中的多个数量范围进行匹配，确定音乐数据存在对应关系的视频数量所在的数量范围，将确定的数量范围对应的预测热度确定为音乐数据的第二预测热度。音乐数据的第二预测热度可以是热度等级，也可以是热度数值。
在一些实施例中，根据与所述音乐数据存在对应关系的视频的播放次数确定音乐数据的第二预测热度，可以是将与所述音乐数据存在对应关系的视频的播放次数与第四数量阈值进行比对，在与所述音乐数据存在对应关系的视频的播放次数大于第四数量阈值时，将音乐数据确定为高热度音乐数据。在一些实施例中，第四数量阈值包括多个数据值，即第四数量阈值对应多个数量范围，相应的，音乐数据的预测热度包括多个热度等级，热度等级的数量此处不作限定。根据与所述音乐数据存在对应关系的视频的播放次数确定音乐数据的第二预测热度，可以是将与所述音乐数据存在对应关系的视频的播放次数与第四数量阈值对应的多个数量范围进行比对，确定与所述音乐数据存在对应关系的视频的播放次数所在的数量范围，将确定的数量范围对应的预测热度确定为音乐数据的第二预测热度。
在上述实施例的基础上，还可以是根据与所述音乐数据存在对应关系的视频数量，和与所述音乐数据存在对应关系的视频的播放次数，确定所述音乐数据的第二预测热度。例如满足与所述音乐数据存在对应关系的视频数量大于第三数量阈值，以及，所述与所述音乐数据存在对应关系的视频的播放次数大于第四数量阈值的一项或多项的情况下，确定所述音乐数据为高热度音乐数据。
在上述实施例的基础上，基于所述与所述音乐数据存在对应关系的视频数量和第三数量阈值，确定所述音乐数据的第三预测参数，以及，基于所述与所述音乐数据存在对应关系的视频的播放次数和第四数量阈值，确定所述音乐数据的第四预测参数；基于所述第三预测参数和/或第四预测参数，确定所述音乐数据的第二预测热度。
其中，第三数量阈值和第四数量阈值分别可以是一个数值，在与所述音乐数据存在对应关系的视频数量大于第三数量阈值时，将第三预测参数确定为第三数值，在与所述音乐数据存在对应关系的视频的播放次数大于第四数量阈值时，将第四预测参数确定为第四数值。第三数量阈值和第四数量阈值还可以分别为多个数据值，即多个数据范围，每一数据范围分别对应不同的预测参数，第三数量阈值和第四数量阈值分别的数据范围对应的预测参数可以相同或不同，第三数量阈值和第四数量阈值分别对应的数据值的数量可以相同或不同。将与所述音乐数据存在对应关系的视频数量与第三数量阈值进行比对，确定所在的数量范围，以得到第三预测参数，将与所述音乐数据存在对应关系的视频的播放次数与第四数量阈值进行比对，确定所在的数量范围，以得到第四预测参数。
将第三预测参数或第四预测参数确定为目标预测数据，或者基于第三预测参数和第四预测参数计算确定目标预测数据，该目标预测数据用于表征音乐数据的预测热度。具体的，可以是基于第三预测参数和第四预测参数进行加权计算得到目标预测数据，第三预测参数和第四预测参数的权重可以是预先设置，对此不作限定。需要说明的是，上述的第一数量阈值、第二数量阈值、第三数量阈值和第四数量阈值可以是相同或不同，相应的分别包括的一个或多个数据值可以相同或不同，以及形成的多个数据范围可以相同或不同，对此不做限定。
在上述实施例的基础上，还可以是根据当前视频的关联数据和音乐数据的关联数据共同确定音乐数据进行热度预测，示例性的，可以是基于音乐数据的第一预测热度和第二预测热度确定音乐数据的目标预测热度。例如，可以是将第一预测热度和第二预测热度进行加权处理，此处的第一预测热度和第二预测热度可以是热度数值，例如热度等级对应的热度数值。
本实施例提供的技术方案，通过提取视频中的音频数据，以识别音频数据对应的音乐数据，并通过视频的关联数据和/或音乐数据的关联数据对音乐数据进行热度预测，实现了从视频维度对音乐数据进行热度预测，无需依赖于人力，预测效率高，成本低。
在上述实施例的基础上，该方法还包括：获取所述音乐数据的音乐标签，将所述音乐数据的音乐标签、预测时间区间输入至所述热度预测模型中，得到所述音乐数据的辅助预测热度；基于所述辅助预测热度更新所述音乐数据的预测热度。
其中，音乐标签包括但不限于歌曲类型标签、情感标签、曲风标签、语种标签等，其中，歌曲类型标签可以包括但不限于HIPHOP、电子、摇滚等，情感标签包括但不限于开心、悲伤等。预测时间区间可以是节假日名称，例如春节、圣诞、元宵节、国庆等，还可以是诸如10.1-10.7的日期间隔等。将上述音乐数据的音乐标签、预测时间区间转换为热度预测模型的输入信息，例如可以是转换为向量形式的输入信息等，通过热度预测模型对音乐数据进行热度预测，该热度预测模型的输出可以是音乐数据的热度值，该热度值即为音乐数据的辅助预测热度。在一些实施例中，该音乐数据的辅助预测热度可以是概率值。其中，热度预测模型通过音乐数据的历史热度，以及热度时间区间训练得到。
通过辅助预测热度更新所述音乐数据的预测热度，对上述实施例中音乐数据的预测热度进行优化，提高音乐数据的预测热度的准确性。在一些实施例中，可以是将辅助预测热度累积到上述实施例中音乐数据的预测热度上，得到最终的预测热度；还可以是将辅助预测热度和上述实施例中音乐数据的预测热度进行加权处理，得到最终的预测热度；还可以是将辅助预测热度和上述实施例中音乐数据的预测热度中的最高任度确定为最终的预测热度。
图2是本公开实施例所提供的一种音乐数据的预测装置的结构示意图。如图2所示，所述装置包括：
音频提取模块210，用于提取当前视频中的音频数据；
元数据匹配模块220，用于识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
热度预测模块230，用于基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。
在上述实施例的基础上，可选的，元数据匹配模块220用于：
提取所述音频数据的音频指纹特征，将所述音乐指纹特征在预设音乐指纹库中进行匹配，确定与所述音频数据相匹配的音乐数据，其中，所述预设音乐指纹库中包括预存储的音乐数据和对应的音乐指纹特征。
在上述实施例的基础上，可选的，元数据匹配模块220用于：
提取所述音频数据的音乐翻唱特征，将所述音乐翻唱特征与预设音乐库中的各音乐数据进行匹配，确定所述音频数据满足翻唱条件的音乐数据。
在上述实施例的基础上，可选的，所述当前视频在预设时间区间的关联数据包括：在所述预设时间区间内，所述当前视频的播放次数、基于所述当前视频的新增视频创作量中的一项或多项；
相应的，热度预测模块230用于：基于所述当前视频的播放次数和/或所述新增视频创作量，确定所述音乐数据的第一预测热度。
在上述实施例的基础上，可选的，热度预测模块230包括：
第一预测单元，用于若所述当前视频的播放次数大于第一数量阈值，和/或，所述新增视频创作量大于第二数量阈值，则确定所述音乐数据为高热度音乐数据；
或者，
第二预测单元，用于基于第一数量阈值和所述当前视频的播放次数，确定所述音乐数据的第一预测参数，以及，基于第二数量阈值和所述新增视频创作量，确定所述音乐数据的第二预测参数；基于所述第一预测参数和/或第二预测参数，确定所述音乐数据的第一预测热度。
在上述实施例的基础上，可选的，所述音乐数据在预设时间区间的关联数据包括：在所述预设时间区间内，与所述音乐数据存在对应关系的视频数量、与所述音乐数据存在对应关系的视频的播放次数中的一项或多项；
相应的，热度预测模块230用于：
基于所述与所述音乐数据存在对应关系的视频数量，和/或，所述与所述音乐数据存在对应关系的视频的播放次数，确定所述音乐数据的第二预测热度。
在上述实施例的基础上，可选的，热度预测模块230包括：
第三预测模块，用于若所述与所述音乐数据存在对应关系的视频数量大于第三数量阈值，和/或，所述与所述音乐数据存在对应关系的视频的播放次数大于第四数量阈值，则确定所述音乐数据为高热度音乐数据；
或者，
第四预测模块，用于基于所述与所述音乐数据存在对应关系的视频数量和第三数量阈值，确定所述音乐数据的第三预测参数，以及，基于所述与所述音乐数据存在对应关系的视频的播放次数和第四数量阈值，确定所述音乐数据的第四预测参数；基于所述第三预测参数和/或第四预测参数，确定所述音乐数据的第二预测热度。
在上述实施例的基础上，可选的，该装置还包括：
辅助预测模块，用于获取所述音乐数据的音乐标签，将所述音乐数据的音乐标签、预测时间区间输入至所述热度预测模型中，得到所述音乐数据的辅助预测热度；
热度更新模块，用于基于所述辅助预测热度更新所述音乐数据的预测热度。
本公开实施例所提供的装置可执行本公开任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
值得注意的是，上述装置所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本公开实施例的保护范围。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备(例如图3中的终端设备或服务器)400的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的方法中限定的上述功能。
本公开实施例提供的电子设备与上述实施例提供的音乐热度的预测方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
本公开实施例提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所提供的音乐热度的预测方法。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，计算机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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：
提取当前视频中的音频数据，识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元/模块的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，【示例一】提供了一种音乐热度的预测方法，该方法包括：
提取当前视频中的音频数据，识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。
根据本公开的一个或多个实施例，【示例二】提供了一种音乐热度的预测方法，还包括：
所述识别所述音频数据对应的音乐数据，包括：
提取所述音频数据的音频指纹特征，将所述音乐指纹特征在预设音乐指纹库中进行匹配，确定与所述音频数据相匹配的音乐数据，其中，所述预设音乐指纹库中包括预存储的音乐数据和对应的音乐指纹特征。
根据本公开的一个或多个实施例，【示例三】提供了一种音乐热度的预测方法，还包括：
所述识别所述音频数据对应的音乐数据，包括：提取所述音频数据的音乐翻唱特征，将所述音乐翻唱特征与预设音乐库中的各音乐数据进行匹配，确定所述音频数据满足翻唱条件的音乐数据。
根据本公开的一个或多个实施例，【示例四】提供了一种音乐热度的预测方法，还包括：
所述当前视频在预设时间区间的关联数据包括：在所述预设时间区间内，所述当前视频的播放次数、基于所述当前视频的新增视频创作量中的一项或多项；
所述基于所述当前视频在预设时间区间的关联数据，确定所述音乐数据的预测热度，包括：基于所述当前视频的播放次数和/或所述新增视频创作量，确定所述音乐数据的第一预测热度。
根据本公开的一个或多个实施例，【示例五】提供了一种音乐热度的预测方法，还包括：
所述基于所述当前视频的播放次数和/或所述新增视频创作量，确定所述音乐数据的第一预测热度，包括：若所述当前视频的播放次数大于第一数量阈值，和/或，所述新增视频创作量大于第二数量阈值，则确定所述音乐数据为高热度音乐数据；
或者，基于第一数量阈值和所述当前视频的播放次数，确定所述音乐数据的第一预测参数，以及，基于第二数量阈值和所述新增视频创作量，确定所述音乐数据的第二预测参数；基于所述第一预测参数和/或第二预测参数，确定所述音乐数据的第一预测热度。
根据本公开的一个或多个实施例，【示例六】提供了一种音乐热度的预测方法，还包括：
所述音乐数据在预设时间区间的关联数据包括：在所述预设时间区间内，与所述音乐数据存在对应关系的视频数量、与所述音乐数据存在对应关系的视频的播放次数中的一项或多项；
所述基于所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度，包括：基于所述与所述音乐数据存在对应关系的视频数量，和/或，所述与所述音乐数据存在对应关系的视频的播放次数，确定所述音乐数据的第二预测热度。
根据本公开的一个或多个实施例，【示例七】提供了一种音乐热度的预测方法，还包括：
所述基于所述与所述音乐数据存在对应关系的视频数量，和/或，所述与所述音乐数据存在对应关系的视频的播放次数，确定所述音乐数据的第二预测热度，包括：若所述与所述音乐数据存在对应关系的视频数量大于第三数量阈值，和/或，所述与所述音乐数据存在对应关系的视频的播放次数大于第四数量阈值，则确定所述音乐数据为高热度音乐数据；
或者，基于所述与所述音乐数据存在对应关系的视频数量和第三数量阈值，确定所述音乐数据的第三预测参数，以及，基于所述与所述音乐数据存在对应关系的视频的播放次数和第四数量阈值，确定所述音乐数据的第四预测参数；基于所述第三预测参数和/或第四预测参数，确定所述音乐数据的第二预测热度。
根据本公开的一个或多个实施例，【示例八】提供了一种音乐热度的预测方法，还包括：
所述方法还包括：获取所述音乐数据的音乐标签，将所述音乐数据的音乐标签、预测时间区间输入至所述热度预测模型中，得到所述音乐数据的辅助预测热度；基于所述辅助预测热度更新所述音乐数据的预测热度。
根据本公开的一个或多个实施例，【示例九】提供了音乐数据的预测装置，该装置包括：
音频提取模块，用于提取当前视频中的音频数据；
元数据匹配模块，用于识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
热度预测模块，用于基于所述当前视频在预设时间区间的关联数据，和/或，所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种音乐热度的预测方法，其特征在于，包括：
提取当前视频中的音频数据，识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
基于所述当前视频在预设时间区间的关联数据，或，基于所述当前视频在预设时间区间的关联数据和所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度；
其中，所述当前视频在预设时间区间的关联数据包括：在所述预设时间区间内，所述当前视频的播放次数、基于所述当前视频的新增视频创作量中的一项或多项；
所述基于所述当前视频在预设时间区间的关联数据，确定所述音乐数据的预测热度，包括：
基于所述当前视频的播放次数和/或所述新增视频创作量，确定所述音乐数据的第一预测热度。
2.根据权利要求1所述的方法，其特征在于，所述识别所述音频数据对应的音乐数据，包括：
提取所述音频数据的音频指纹特征，将所述音频指纹特征在预设音乐指纹库中进行匹配，确定与所述音频数据相匹配的音乐数据，其中，所述预设音乐指纹库中包括预存储的音乐数据和对应的音频指纹特征。
3.根据权利要求1所述的方法，其特征在于，所述识别所述音频数据对应的音乐数据，包括：
提取所述音频数据的音乐翻唱特征，将所述音乐翻唱特征与预设音乐库中的各音乐数据进行匹配，确定所述音频数据满足翻唱条件的音乐数据。
4.根据权利要求1所述的方法，其特征在于，所述基于所述当前视频的播放次数和/或所述新增视频创作量，确定所述音乐数据的第一预测热度，包括：
若所述当前视频的播放次数大于第一数量阈值，和/或，所述新增视频创作量大于第二数量阈值，则确定所述音乐数据为高热度音乐数据；
或者，
基于第一数量阈值和所述当前视频的播放次数，确定所述音乐数据的第一预测参数，以及，基于第二数量阈值和所述新增视频创作量，确定所述音乐数据的第二预测参数；基于所述第一预测参数和/或第二预测参数，确定所述音乐数据的第一预测热度。
5.根据权利要求1所述的方法，其特征在于，所述音乐数据在预设时间区间的关联数据包括：在所述预设时间区间内，与所述音乐数据存在对应关系的视频数量、与所述音乐数据存在对应关系的视频的播放次数中的一项或多项；
所述基于所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度，包括：
基于所述与所述音乐数据存在对应关系的视频数量，和/或，所述与所述音乐数据存在对应关系的视频的播放次数，确定所述音乐数据的第二预测热度。
6.根据权利要求5所述的方法，其特征在于，所述基于所述与所述音乐数据存在对应关系的视频数量，和/或，所述与所述音乐数据存在对应关系的视频的播放次数，确定所述音乐数据的第二预测热度，包括：
若所述与所述音乐数据存在对应关系的视频数量大于第三数量阈值，和/或，所述与所述音乐数据存在对应关系的视频的播放次数大于第四数量阈值，则确定所述音乐数据为高热度音乐数据；
或者，
基于所述与所述音乐数据存在对应关系的视频数量和第三数量阈值，确定所述音乐数据的第三预测参数，以及，基于所述与所述音乐数据存在对应关系的视频的播放次数和第四数量阈值，确定所述音乐数据的第四预测参数；基于所述第三预测参数和/或第四预测参数，确定所述音乐数据的第二预测热度。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取所述音乐数据的音乐标签，将所述音乐数据的音乐标签、预测时间区间输入至热度预测模型中，得到所述音乐数据的辅助预测热度；
基于所述辅助预测热度更新所述音乐数据的预测热度。
8.一种音乐数据的预测装置，其特征在于，包括：
音频提取模块，用于提取当前视频中的音频数据；
元数据匹配模块，用于识别所述音频数据对应的音乐数据，并构建视频与所述音乐数据之间的对应关系；
热度预测模块，用于基于所述当前视频在预设时间区间的关联数据，或，基于所述当前视频在预设时间区间的关联数据和所述音乐数据在预设时间区间的关联数据，确定所述音乐数据的预测热度；
其中，所述当前视频在预设时间区间的关联数据包括：在所述预设时间区间内，所述当前视频的播放次数、基于所述当前视频的新增视频创作量中的一项或多项；
相应的，所述热度预测模块，具体用于基于所述当前视频的播放次数和/或所述新增视频创作量，确定所述音乐数据的第一预测热度。
9.一种电子设备，其特征在于，所述电子设备包括：
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，使得所述一个或多个处理器实现如权利要求1-7中任一所述的音乐热度的预测方法。
10.一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的音乐热度的预测方法。
CN202210220172.4A 2022-03-08 2022-03-08 一种音乐热度的预测方法、装置、存储介质及电子设备 Active CN114595361B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210220172.4A CN114595361B (zh) 2022-03-08 2022-03-08 一种音乐热度的预测方法、装置、存储介质及电子设备
PCT/CN2023/078757 WO2023169259A1 (zh) 2022-03-08 2023-02-28 音乐热度的预测方法、装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210220172.4A CN114595361B (zh) 2022-03-08 2022-03-08 一种音乐热度的预测方法、装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN114595361A CN114595361A (zh) 2022-06-07
CN114595361B true CN114595361B (zh) 2023-09-08

Family

ID=81807999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210220172.4A Active CN114595361B (zh) 2022-03-08 2022-03-08 一种音乐热度的预测方法、装置、存储介质及电子设备

Country Status (2)

Country Link
CN (1) CN114595361B (zh)
WO (1) WO2023169259A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114595361B (zh) * 2022-03-08 2023-09-08 北京字跳网络技术有限公司 一种音乐热度的预测方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105430494A (zh) * 2015-12-02 2016-03-23 百度在线网络技术（北京）有限公司 在播放视频的设备中识别视频中音频的方法和装置
CN111723235A (zh) * 2019-03-19 2020-09-29 百度在线网络技术（北京）有限公司 音乐内容识别方法、装置及设备
CN113035163A (zh) * 2021-05-11 2021-06-25 杭州网易云音乐科技有限公司 音乐作品的自动生成方法及装置、存储介质、电子设备
CN113890932A (zh) * 2020-07-02 2022-01-04 华为技术有限公司 一种音频控制方法、系统及电子设备
CN114020960A (zh) * 2021-11-15 2022-02-08 北京达佳互联信息技术有限公司 音乐推荐方法、装置、服务器及存储介质

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101675957B1 (ko) * 2015-03-10 2016-11-15 연세대학교 산학협력단 신호 성분 분석을 이용한 음악 인기도 예측 시스템 및 방법
CN112911331B (zh) * 2020-04-15 2024-09-10 深圳市雅阅科技有限公司 针对短视频的音乐识别方法、装置、设备及存储介质
CN112948623B (zh) * 2021-02-25 2022-08-16 杭州网易云音乐科技有限公司 音乐热度预测方法、装置、计算设备以及介质
CN113837807B (zh) * 2021-09-27 2023-07-21 北京奇艺世纪科技有限公司 热度预测方法、装置、电子设备及可读存储介质
CN114595361B (zh) * 2022-03-08 2023-09-08 北京字跳网络技术有限公司 一种音乐热度的预测方法、装置、存储介质及电子设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105430494A (zh) * 2015-12-02 2016-03-23 百度在线网络技术（北京）有限公司 在播放视频的设备中识别视频中音频的方法和装置
CN111723235A (zh) * 2019-03-19 2020-09-29 百度在线网络技术（北京）有限公司 音乐内容识别方法、装置及设备
CN113890932A (zh) * 2020-07-02 2022-01-04 华为技术有限公司 一种音频控制方法、系统及电子设备
CN113035163A (zh) * 2021-05-11 2021-06-25 杭州网易云音乐科技有限公司 音乐作品的自动生成方法及装置、存储介质、电子设备
CN114020960A (zh) * 2021-11-15 2022-02-08 北京达佳互联信息技术有限公司 音乐推荐方法、装置、服务器及存储介质

Also Published As

Publication number Publication date
CN114595361A (zh) 2022-06-07
WO2023169259A1 (zh) 2023-09-14

Similar Documents

Publication Publication Date Title
CN109543064B (zh) 歌词显示处理方法、装置、电子设备及计算机存储介质
US10643610B2 (en) Voice interaction based method and apparatus for generating multimedia playlist
CN110503961B (zh) 音频识别方法、装置、存储介质及电子设备
CN111309962B (zh) 提取音频片段的方法、装置以及电子设备
CN112153460B (zh) 一种视频的配乐方法、装置、电子设备和存储介质
WO2023169258A1 (zh) 音频检测方法、装置、存储介质及电子设备
CN111898753B (zh) 音乐转录模型的训练方法、音乐转录方法以及对应的装置
CN111723289A (zh) 信息推荐方法及装置
CN111400542A (zh) 音频指纹的生成方法、装置、设备及存储介质
CN114595361B (zh) 一种音乐热度的预测方法、装置、存储介质及电子设备
CN112765396A (zh) 歌曲的推荐方法、装置、电子设备及存储介质
CN113923390A (zh) 视频录制方法、装置、设备及存储介质
CN113343069B (zh) 用户信息的处理方法、装置、介质及电子设备
CN110659387A (zh) 用于提供视频的方法和设备
CN112380362B (zh) 基于用户交互的音乐播放方法、装置、设备及存储介质
CN106775567B (zh) 一种音效匹配方法及系统
CN113077815A (zh) 一种音频评估方法及组件
US11899713B2 (en) Music streaming, playlist creation and streaming architecture
CN114580790B (zh) 生命周期阶段预测和模型训练方法、装置、介质及设备
WO2023000782A1 (zh) 获取视频热点的方法、装置、可读介质和电子设备
CN114969427A (zh) 歌单生成方法、装置、电子设备及存储介质
CN114428867A (zh) 数据挖掘方法、装置、存储介质及电子设备
CN109495786B (zh) 视频处理参数信息的预配置方法、装置及电子设备
CN112416989A (zh) 互联网演艺经纪人平台的管理方法、装置及电子设备
CN115240711A (zh) 音频质量分析方法、装置、电子设备及计算机可读存储介质

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