CN114780785B - 基于知识图谱的音乐教学推荐方法及系统 - Google Patents
基于知识图谱的音乐教学推荐方法及系统 Download PDFInfo
- Publication number
- CN114780785B CN114780785B CN202210715337.5A CN202210715337A CN114780785B CN 114780785 B CN114780785 B CN 114780785B CN 202210715337 A CN202210715337 A CN 202210715337A CN 114780785 B CN114780785 B CN 114780785B
- Authority
- CN
- China
- Prior art keywords
- music teaching
- teaching content
- node
- music
- nodes
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/63—Querying
- G06F16/635—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B15/00—Teaching music
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H1/00—Details of electrophonic musical instruments
- G10H1/0033—Recording/reproducing or transmission of music for electrophonic musical instruments
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10H—ELECTROPHONIC MUSICAL INSTRUMENTS; INSTRUMENTS IN WHICH THE TONES ARE GENERATED BY ELECTROMECHANICAL MEANS OR ELECTRONIC GENERATORS, OR IN WHICH THE TONES ARE SYNTHESISED FROM A DATA STORE
- G10H2210/00—Aspects or methods of musical processing having intrinsic musical character, i.e. involving musical theory or musical parameters or relying on musical knowledge, as applied in electrophonic musical tools or instruments
- G10H2210/031—Musical analysis, i.e. isolation, extraction or identification of musical elements or musical parameters from a raw acoustic signal or from an encoded audio signal
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Acoustics & Sound (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供一种基于知识图谱的音乐教学推荐方法及系统,所述方法包括:获取目标用户的历史教学记录,历史教学记录包括目标用户获取过的多个历史音乐教学内容资源;获取第一知识图谱,第一知识图谱包括与多个音乐教学内容资源对应的节点以及各节点之间的节点连线;确定目标音乐教学内容资源;根据第一知识图谱,从预设的音乐教学内容资源库中确定与目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给目标用户。本申请针对音乐教学内容资源的特性,结合了多方面的特征数据,从而提高了音乐教学内容资源推荐的可靠性和准确性。
Description
技术领域
本申请涉及大数据分析处理技术领域,具体而言,涉及一种基于知识图谱的音乐教学推荐方法及系统。
背景技术
由于互联网信息技术的不断发展,线上教育随之兴盛,线上教育资源也随之越来越丰富。不同的线上教育资源可能具有不同的教学内容、教学风格等,不同的用户对学习内容需求性和对教学风格喜好程度也不同,学习内容和教学风格和用户的适配性可能极大地左右用户的学习积极性,进行影响学习效果。
其中,这种影响显著表现在音乐类教学资源上。不同于一般课程的学习,对于音乐类教学资源,用户对于学习内容要求的针对性通常比较明显,例如,用户可能明确地希望学习器乐的某种特殊演奏指法、希望练习演奏的节奏性或希望练习演奏的音色。同时,对于音乐类教学资源,用户对学习内容的风格倾向性也会比较明显,比如,喜好流行乐风格、喜好爵士乐风格或喜好古典乐风格。另外,音乐教学内容资源的组合变化也很丰富,例如,针对相同的曲谱,采用爵士风格时可能偏重于练习节奏性,而采用古典风格时可能偏重于联系音色。因此,如何在繁多的音乐教学内容资源中,为用户确定出合适的教学内容资源,称为亟待解决的问题。
发明内容
为了至少部分地解决背景技术中介绍的问题,本申请的目的之一在于提供一种基于知识图谱的音乐教学推荐方法,所述方法包括:
获取目标用户的历史教学记录,所述历史教学记录包括所述目标用户获取过的多个历史音乐教学内容资源;
获取第一知识图谱,所述第一知识图谱包括与预设的音乐教学内容资源库中的多个音乐教学内容资源对应的节点以及各节点之间的节点连线,所述节点连线包括表征练习项目之间关联的第一节点连线、表征内容风格之间关联的第二节点连线及表征教学风格之间关联的第三节点连线;
从多个所述历史音乐教学内容资源中确定目标音乐教学内容资源;
根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户。
在其中一种可能的实现方式中,所述方法还包括:
获取多个音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息;
建立与所述多个音乐教学内容资源对应的节点;
针对所述多个音乐教学内容资源中的任意两个目标音乐教学内容资源对应节点,根据所述两个目标音乐教学内容资源的所述音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线以及所述节点连线对应权重;
根据各节点及各节点之间的节点连线得到所述第一知识图谱;
所述根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户的步骤,包括:
在所述第一知识图谱中提取确定与多个所述历史音乐教学内容资源对应的第一节点,提取各所述第一节点及各第一节点之间节点连线组成第二知识图谱;
根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数;
在所述第一知识图谱中提取确定与多个所述目标音乐教学内容资源对应的第二节点以及与所述第二节点之间具有节点连线的第三节点,提取所述第二节点、所述第三节点以及所述第二节点和所述第三节点之间的节点连线组成第三知识图谱;
根据所述第二节点与所述第三节点之间的节点连线以及所述用户兴趣系数,从所述第三节点中确定出待推荐节点;
将所述待推荐节点对应的音乐教学内容资源作为所述待推荐音乐教学内容资源推送给所述目标用户。
在其中一种可能的实现方式中,所述根据所述两个目标音乐教学内容资源的所述音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线的步骤包括:
获取所述两个目标音乐教学内容资源中的多个练习项目,所述练习项目包括至少一个练习项目分类及练习项目分类下对应的至少一个具体练习内容,根据所述两个目标音乐教学内容资源中相同具体练习内容的数量,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第一节点连线及第一节点连线对应的权重;
获取所述两个目标音乐教学内容资源中的电子曲谱的内容风格信息,所述内容风格信息包括曲谱风格特征信息及演示音频特征信息,根据所述曲谱风格特征信息及所述演示音频特征信息之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第二节点连线及第二节点连线对应的权重;
获取所述两个目标音乐教学内容资源的教学风格信息,所述教学风格信息包括教学评价文本集合及历史学员记录,根据所述教学评价文本集合及历史学员记录之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第三节点连线及第三节点连线对应的权重。
在其中一种可能的实现方式中,所述根据所述第二节点与所述第三节点之间的节点连线以及所述用户兴趣系数,从所述第三节点中确定出待推荐节点的步骤,包括:
针对所述第二节点和每个所述第三节点,计算所述第二节点和所述第三节点之间第一节点连线的权重和所述第一兴趣系数的乘积作为第一兴趣度,计算所述第二节点和所述第三节点之间第二节点连线的权重和所述第二兴趣系数的乘积作为第二兴趣度,计算所述第二节点和所述第三节点之间第三节点连线的权重和所述第三兴趣系数的乘积作为第三兴趣度;
计算所述第一兴趣度、第二兴趣度和第三兴趣度的和作为所述第三节点的兴趣分数;
根据各所述第三节点的兴趣分数确定出所述待推荐节点。
在其中一种可能的实现方式中,所述根据所述曲谱风格特征信息及所述演示音频特征信息之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第二节点连线及第二节点连线对应的权重的步骤之前,所述方法还包括:
针对音乐教学内容资源库中的每个音乐教学内容资源,获取该音乐教学内容资源的教学内容描述信息、电子曲谱及演示音频;
将所述电子曲谱输入第一特征提取模型,通过所述第一特征提取模型提取所述电子曲谱对应的第一风格特征信息;
将所述教学内容描述信息输入第二特征提取模型,通过所述第二特征提取模型提取所述教学内容描述信息对应的第二风格特征信息;
将所述第一风格特征信息和所述第二风格特征信息进行融合,获得所述曲谱风格特征信息;
将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息。
在其中一种可能的实现方式中,所述将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息的步骤之前,所述方法还包括:
按照时序提取所述演示音频的频谱信息;
根据所述电子曲谱及所述频谱信息,对所述电子曲谱和所述演示音频进行音频剪裁和时序对齐调整,获得调整后的演示音频;
所述将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息的步骤,包括:
将所述调整后的演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息;将所述第一风格特征信息和所述第三风格特征信息进行融合,获得所述演示音频特征信息;或者
按照时序将所述电子曲谱融合至所述演示音频的音轨中,获得融合处理后的演示音频;将所述融合处理后的演示音频输入至第四特征提取模型,通过所述第四特征提取模型提取所述演示音频对应的第三风格特征信息作为所述演示音频特征信息。
在其中一种可能的实现方式中,所述根据所述教学评价文本集合及历史学员记录之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第三节点连线及第三节点连线对应的权重的步骤,包括:
分别获取所述两个目标音乐教学内容资源的教学评价文本集合,针对所述两个目标音乐教学内容资源中的每个音乐教学内容资源的教学评价文本集合,对所述教学评价文本集合中的教学评价文本进行关键词提取,获得所述两个目标音乐教学内容资源所以具有的相同风格评价关键词的第二数量;
分别获取所述两个目标音乐教学内容资源的历史学员记录,获得所述两个目标音乐教学内容资源所以具有的相同学员的第三数量;
根据所述预设的音乐教学内容资源库中每两个音乐教学内容资源之间的所述第二数量和所述第三数量,对各所述第二数量和各所述第三数量进行归一化处理,获得每两个音乐教学内容资源之间处理后的第二数量和第三数量;
根据所述两个目标音乐教学内容资源之间的所述处理后的第二数量及第三数量,分别确定所述两个目标音乐教学内容资源对应的节点之间教学评价文本相似度信息及学员相似度信息。
在其中一种可能的实现方式中,所述根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数的步骤之前,所述方法还包括:
对所述第一知识图谱中各节点之间的所述第一节点连线的权重、所述第二节点连线的权重及所述第三节点连线的权重分别进行归一化;
所述根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数的步骤,包括:
对所述第二知识图谱中各节点之间的所述第一节点连线的权重、所述第二节点连线的权重及所述第三节点连线的权重分别进行求和,获得第一和值、第二和值及第三和值;
对所述第一和值、所述第二和值和所述第三和值进行求和,获得第四和值;
计算所述第一和值和所述第四和值的商,作为所述第一兴趣系数;
计算所述第二和值和所述第四和值的商,作为所述第二兴趣系数;
计算所述第三和值和所述第四和值的商,作为所述第三兴趣系数。
在其中一种可能的实现方式中,所述方法还包括:
若所述目标用户的历史教学记录中的历史音乐教学内容资源的数量未达到预设数量阈值,则获取所述目标用户的检索记录信息、浏览记录信息及用户属性信息中的至少一种信息;
根据所述检索记录信息、浏览记录信息及用户属性信息中的至少一种信息,从所述预设的音乐教学内容资源库中确定出相应的待推荐音乐教学内容资源推送给所述目标用户。
本申请的另一目的在于提供一种基于知识图谱的音乐教学推荐系统,所述系统包括:
第一获取模块,用于获取目标用户的历史教学记录,所述历史教学记录包括所述目标用户获取过的多个历史音乐教学内容资源;
第二获取模块,用于获取第一知识图谱,所述第一知识图谱包括与预设的音乐教学内容资源库中的多个音乐教学内容资源对应的节点以及各节点之间的节点连线,所述节点连线包括表征练习项目之间关联的第一节点连线、表征内容风格之间关联的第二节点连线及表征教学风格之间关联的第三节点连线;
数据确定模块,用于从多个所述历史音乐教学内容资源中确定目标音乐教学内容资源;
内容推送模块,用于根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户。
相对于现有技术而言,本申请具有以下有益效果:
本申请提供的基于知识图谱的音乐教学推荐方法及系统,通过结合第一知识图谱中所包含的各音乐教学内容资源之间在练习项目、内容风格和教学风格上的联系数据,根据用户的历史教学记录,为用户确定出和合适的待推荐音乐教学内容资源。本申请针对音乐教学内容资源的特殊性,结合了多方面的特征数据,从而提高了音乐教学内容资源推荐的可靠性和准确性。
更多地,在本实施例提供的方案中,通过根据所述目标用户的历史教学记录确定第二知识图谱,对第二知识图谱中节点之间的节点连线的权重进行分析,可以获得用户在练习项目、内容风格和教学风格上偏好,从而获得兴趣偏好系数。结合该兴趣偏好系数进行待推荐音乐教学内容资源确定,可以使确定出的待推荐音乐教学内容资源更符合用户的偏好。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1为本申请实施例提供的基于知识图谱的音乐教学推荐方法的示意图之一;
图2为本申请实施例提供的基于知识图谱的音乐教学推荐方法的示意图之二;
图3为本申请实施例提供的音乐教学平台的示意图;
图4为本申请实施例提供的基于知识图谱的音乐教学推荐系统的功能模块示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
请参照图1,图1为本实施例提供的一种基于知识图谱的音乐教学推荐方法的流程图,以下将对所述方法包括各个步骤进行详细阐述。
步骤A1,获取目标用户的历史教学记录,所述历史教学记录包括所述目标用户获取过的多个历史音乐教学内容资源。
在本实施例中,音乐教学内容资源可以主要包括音乐教学视频、电子曲谱以及预先录制的演示音频。其中,所述音乐教学视频可以为预先录制的视频,也可以现场教学的直播视频。
步骤A2,获取第一知识图谱,所述第一知识图谱包括与预设的音乐教学内容资源库中的多个音乐教学内容资源对应的节点以及各节点之间的节点连线,所述节点连线包括表征练习项目之间关联的第一节点连线、表征内容风格之间关联的第二节点连线及表征教学风格之间关联的第三节点连线。
在本实施例中,所述音乐教学内容资源主要可以具有练习项目的特性、内容风格的特性及教学风格的特性。具体地,练习项目的特性可以包括例如针对演奏操作技巧练习(如指法、吹奏技巧等)、针对节奏感练习、针对音色练习等。内容风格的特性可以包括练习曲目的风格,例如,爵士风格、流行风格、古典风格、民乐风格等。教学风格的特性主要表征在教师的教学风格。
基于上述信息可以预先建立第一知识图谱,预设的音乐教学内容资源库中的音乐教学内容资源作为节点,各节点在练习项目、内容风格和教学风格上的特性建立节点之间的节点连线。
步骤A3,从多个所述历史音乐教学内容资源中确定目标音乐教学内容资源。
在本实施例中,可以基于所述目标用户已经学习过的内容作为参照,为目标用户推荐新的音乐教学内容资源。可选地,在一种可能的实现方式中,可以根据学习的时间顺序,将所述多个历史音乐教学内容资源中用户最后学习过的音乐教学内容资源作为所述目标音乐教学内容资源。
步骤A4,根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户。
在本实施例中,结合所述第一知识图谱,可以确定出与所述目标音乐教学内容资源在练习项目、内容风格和教学风格上具有联系的音乐教学内容资源作为所述待推荐音乐教学内容资源,从而将所述待推荐音乐教学内容资源推荐给所述目标用户。
基于上述设计,本实施例提供的基于知识图谱的音乐教学推荐方法,通过结合知识图谱中包含的各音乐教学内容资源之间在练习项目、内容风格和教学风格上的联系数据,根据用户的历史教学记录为用户确定出和合适的待推荐音乐教学内容资源。如此,针对音乐教学内容资源的特性,结合了多方面的特征数据,从而提高了音乐教学内容资源推荐的可靠性和准确性。
请参照图2,在一种可能的实现方式中,本实施例提供的基于知识图谱的音乐教学推荐方法还可以包括预先建立所述第一知识图谱的步骤,包括:
步骤B1,获取多个音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息。
步骤B2,建立与所述多个音乐教学内容资源对应的节点。
步骤B3,针对所述多个音乐教学内容资源中的任意两个目标音乐教学内容资源对应节点,根据所述两个目标音乐教学内容资源的所述音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线以及所述节点连线对应权重。
步骤B4,根据各节点及各节点之间的节点连线得到所述第一知识图谱。
在本实施例中,可以根据两个目标音乐教学内容资源之间在练习项目、内容风格、教学风格上的联系,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线以及所述节点连线对应权重。
具体地,在一种可能的实现方式中,步骤B3中根据所述两个目标音乐教学内容资源的所述音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线的动作,可以包括以下步骤:
步骤B31,获取所述两个目标音乐教学内容资源中的多个练习项目,所述练习项目包括至少一个练习项目分类及练习项目分类下对应的至少一个具体练习内容,根据所述两个目标音乐教学内容资源中相同具体练习内容的第一数量,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第一节点连线及第一节点连线对应的权重。
在本实施例中,各音乐教学内容资源可以具有记录练习项目的标签信息,所述练习项目包括至少一个练习项目分类及练习项目分类下对应的至少一个具体练习内容,例如,练习项目分类可以包括指法,该分类下可以包括多种和弦指法、琶音等;练习项目分类还可以包括节奏感联系,该分类下可以包括均分型节奏联系、附点型节奏联系、切分型节奏联系、连音型节奏联系、带休止型节奏联系等。
通过比对两个目标音乐教学内容资源的练习项目的标签信息中的相同的数量,可以表征两个目标音乐教学内容资源在的练习项目上的相似性。进一步地,在本实施例中,在确定音乐教学内容资源库中每两个音乐教学内容资源之间相同具体练习内容的第一数量之后,可以对整个音乐教学内容资源库中的第一数量进行归一化处理。例如,将各所述第一数量等比调整到0到1的数值区间内。
针对任意两个音乐教学内容资源,若两个音乐教学内容资源之间存在相同的具体练习内容,则确定该两个音乐教学内容资源具有第一节点连线,并将两个音乐教学内容资源之间的第一数量作为所述第一节点连线的权重。
步骤B32,获取所述两个目标音乐教学内容资源中的电子曲谱的内容风格信息,所述内容风格信息包括曲谱风格特征信息及演示音频特征信息,根据所述曲谱风格特征信息及所述演示音频特征信息之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第二节点连线及第二节点连线对应的权重。
在本实施例中,每个音乐教学内容资源可以包括电子曲谱以及要演示曲谱的演示音频,并且该教学内容还可以具有教学内容描述信息,该教学内容描述信息可以为以自然语言形式存在的描述教学内容的文本信息。通过对上述信息进行特征提取,可以获得所述曲谱风格特征信息及演示音频特征信息。
具体地,步骤B32中根据所述曲谱风格特征信息及所述演示音频特征信息之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第二节点连线及第二节点连线对应的权重的动作,可以包括以下步骤:
步骤B321,针对音乐教学内容资源库中的每个音乐教学内容资源,获取该音乐教学内容资源的教学内容描述信息、电子曲谱及演示音频。
步骤B322,将所述电子曲谱输入第一特征提取模型,通过所述第一特征提取模型提取所述电子曲谱对应的第一风格特征信息。
在本实施例中,所述第一特征提取模型可以对所述电子曲谱进行特征提取,根据所述电子曲谱的音阶、节奏等信息进行特征提取,获得用于表征所述电子曲谱风格的第一风格特征信息。
步骤B323,将所述教学内容描述信息输入第二特征提取模型,通过所述第二特征提取模型提取所述教学内容描述信息对应的第二风格特征信息。
在本实施例中,所述第二特征提取模型可以对所述教学内容描述信息的文本信息进行自然语义分析,获得表征所述教学内容描述信息抽象含义的第二风格特征信息。
步骤B324,将所述第一风格特征信息和所述第二风格特征信息进行融合,获得所述曲谱风格特征信息。
在本实施例中,将所述第一风格特征信息和所述第二风格特征信息进行融合,获得的所述曲谱风格特征信息可以更准确的表现电子曲谱的风格。
步骤B325,将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征在信息获得所述演示音频特征信息。
在本实施例中,可以使用预选准备的多个第一训练样本训练所述第一特征提取模型,每个所述第一训练样本中锚样本、正样本和负样本,所述锚样本包括电子曲谱,所述正样本为标注了和所述锚样本为相同风格的电子曲谱,所述正样本为标注了和所述锚样本为不同风格的电子曲谱。通过多个所述第一训练样本进行训练分类模型提取所述电子曲谱中对表征风格有关键影响的特征,然后将训练好的分类模型的特征提取网络作为所述第一特征提取模型。
在本实施例中,可以使用预选准备的多个第二训练样本训练所述第二特征提取模型,每个所述第二训练样本包括一条自然语言形式的教学内容描述信息以及对该教学内容描述信息标注的抽象的风格表述标签。通过所述第二训练样本可以训练分类模型提取所述教学内容描述信息的关键词等特征与相应的风格表述标签关联,然后将训练好的分类模型的特征提取网络作为所述第二特征提取模型。
在本实施例中,可以使用预选准备的多个第三训练样本训练所述第三特征提取模型,每个所述第三训练样本包括一个演示音频及对应的风格表述标签。通过所述第三训练样本可以训练分类模型提取所述演示音频中对风格分类有关键贡献的音频特征,然后将训练好的分类模型的特征提取网络作为所述第三特征提取模型。
在本实施例中,相同的曲谱可以在演奏过程中因演奏方式的不同具有不同的风格,因此,还需要获得演示音频的特征信息。
具体地,步骤B325将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息的步骤之前,所述方法还包括以下步骤:
步骤C1,按照时序提取所述演示音频的频谱信息。
步骤C2,根据所述电子曲谱及所述频谱信息,对所述电子曲谱和所述演示音频进行音频剪裁和时序对齐调整,获得调整后的演示音频。
在本实施例中,需要结合电子曲谱和演示音频一起确定所述演示音频特征信息,但是演示音频是具有时序性的信息,而电子曲谱是不具有时序的信息,但是电子曲谱中包含了按照时序排列的音符序列。因此在本实施例中,需要将所述电子曲谱中的信息和所述演示音频对齐,从而通过所述电子曲谱中的音符序列矫正或增强所述演示音频的音频特征信息。
具体,在本实施例中,可以按照时序获取所述演示音频的音高频率序列,然后将确定出的音高频率序列与所述电子曲谱所包含的音符序列进行比对,确定出所述演示音频中各个时间点与所述电子曲谱中音符的对应关系。然后剔除所述演示音频中与空白或者无法与所述电子曲谱中音符对应的音频片段。
步骤B325中将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息的动作,可以包括以下实现方式之一:
一、将所述调整后的演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息;将所述第一风格特征信息和所述第三风格特征信息进行融合,获得所述演示音频特征信息。
在这种实现方式中,可以先通过所述第三特征提取模型提取所述演示音频的第三风格特征信息,然年将所述第三风格特征信息和所述第一风特征信息进行融合,获得所述演示音频特征信息。例如,所述第三风格特征可以为包括多个音轨的特征矩阵,将所述第一风格特征信息和所述第三风格特征信息融合方式可以根据对齐后的时序将所述第一风格特征信息加入至所述第三风格特征信息的特征矩阵中。
二、将按照时序将所述电子曲谱融合至所述演示音频的音轨中,获得融合处理后的演示音频;将所述融合处理后的演示音频输入至第四特征提取模型,通过所述第四特征提取模型提取所述演示音频对应的第三风格特征信息作为所述演示音频特征信息。
在这种实现方式中,可以先将电子曲谱融入到所述演示音频的一个音轨中,然后在将演示音频输入到第四特征提取模型进行特征提取,获得第三风格特征作为所述演示音频特征信息。
步骤B33,获取所述两个目标音乐教学内容资源的教学风格信息,所述教学风格信息包括教学评价文本集合及历史学员记录,根据所述教学评价文本集合及历史学员记录之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第三节点连线及第三节点连线对应的权重。
在本实施例中,学员对教学内容的教学评价文本以及教学内容的历史学员记录可以表征音乐教学内容资源的教学风格。
具体地,步骤B331中根据所述教学评价文本集合及历史学员记录之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第三节点连线及第三节点连线对应的权重的动作,可以包括以下步骤:
步骤B3311,分别获取所述两个目标音乐教学内容资源的教学评价文本集合,针对所述两个目标音乐教学内容资源中的每个音乐教学内容资源的教学评价文本集合,对所述教学评价文本集合中的教学评价文本进行关键词提取,获得所述两个目标音乐教学内容资源所以具有的相同风格评价关键词的第二数量。
在本实施例中,可以对所述两个目标音乐教学内容资源的教学评价文本进行分词以及关键词提取,例如,这些关键词可以包括:有趣、严肃、详细、热情等等。然后统计两个目标音乐教学内容资源之间具有的相同风格评价关键词的第二数量。
步骤B3312,分别获取所述两个目标音乐教学内容资源的历史学员记录,获得所述两个目标音乐教学内容资源所以具有的相同学员的第三数量。
在本实施例中,还可以分别获得学习过所述两个目标音乐教学内容资源的学员的身份信息,然后统计所述两个目标音乐教学内容资源所以具有的相同学员的第三数量。
步骤B3313,根据所述预设的音乐教学内容资源库中每两个音乐教学内容资源之间的所述第二数量和所述第三数量,对各所述第二数量和各所述第三数量进行归一化处理,获得每两个音乐教学内容资源之间处理后的第二数量和第三数量。例如,将各所述第二数量和第三数量等比调整到0到1的数值区间内。
步骤B3314,根据所述两个目标音乐教学内容资源之间的所述处理后的第二数量及第三数量,分别确定所述两个目标音乐教学内容资源对应的节点之间教学评价文本相似度信息及学员相似度信息。
在本实施例中,调整后的所述第二数量和所述第三数量可以分别表示两个目标音乐教学内容资源之间在教学评价文本及学员上的相似度。
具体地,若调整后的所述第二数量与所述第三数量的和值大于预设阈值,则确定所述两个目标音乐教学内容资源之间存在第三节点连线,并将该和值作为所述第三节点连线的权重。
在一种可能的实现方式中,步骤A4中,所述根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户的步骤,包括:
步骤A41,在所述第一知识图谱中提取确定与多个所述历史音乐教学内容资源对应的第一节点,提取各所述第一节点及各第一节点之间节点连线组成第二知识图谱。
步骤A42,根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数。
步骤A43,在所述第一知识图谱中提取确定与多个所述目标音乐教学内容资源对应的第二节点以及与所述第二节点之间具有节点连线的第三节点,提取所述第二节点、所述第三节点以及所述第二节点和所述第三节点之间的节点连线组成第三知识图谱。
步骤A44,根据所述第二节点与所述第三节点之间的节点连线以及所述用户兴趣系数,从所述第三节点中确定出待推荐节点。
步骤A45,将所述待推荐节点对应的音乐教学内容资源作为所述待推荐音乐教学内容资源推送给所述目标用户。
在本实施例,所述第二知识图谱中的节点对应于所述目标用户的历史教学记录中的各历史音乐教学内容资源,因此第二知识图谱中节点之间的关系可以反映所述目标用户的偏好。例如,若所述第二知识图谱中的各节点之间的节点连线中,均是与练习项目相关的第一节点连线的权重较大,则表示在所述目标用户曾经学习过的音乐教学内容资源中,更偏好于寻找某个练习项目相关的音乐教学内容资源。若所述第二知识图谱中的各节点之间的节点连线中,均是与内容风格相关的第二节点连线的权重较大,则表示在所述目标用户曾经学习过的音乐教学内容资源中,更偏好于寻找某种特定内容风格的音乐教学内容资源。
因此,通过对所述第二知识图谱进行分析可以获得所述用户兴趣系数,其中,所述第一兴趣系数、所述第二兴趣系数及所述第三兴趣系数,可以分别代表所述目标用户对所述练习项目、内容风格和教学风格的偏好产程度,兴趣系数越大,代表偏好性越强。
在本实施例中,所述第三知识图谱中的各节点均为和所述目标音乐教学内容资源在练习项目、内容风格或教学风格上相关的音乐教学内容资源,因此,在所述第三指示图谱中的节点对应的音乐教学内容资源中寻找所述待推荐音乐教学内容资源,可以使确定出的待推荐音乐教学内容资源和所述目标音乐教学内容资源具有较强的关联性,符合用户的需求。
具体地,在步骤A42之前,还可以对所述第一知识图谱中各节点之间的所述第一节点连线的权重、所述第二节点连线的权重及所述第三节点连线的权重分别进行归一化。
步骤A42中,根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数的动作,可以包括以下步骤:
步骤A421中,对所述第二知识图谱中各节点之间的所述第一节点连线的权重、所述第二节点连线的权重及所述第三节点连线的权重分别进行求和,获得第一和值、第二和值及第三和值。
步骤A422中,对所述第一和值、所述第二和值和所述第三和值进行求和,获得第四和值。
步骤A423中,计算所述第一和值和所述第四和值的商,作为所述第一兴趣系数。
步骤A424中,计算所述第二和值和所述第四和值的商,作为所述第二兴趣系数。
步骤A425中,计算所述第三和值和所述第四和值的商,作为所述第三兴趣系数。
在本实施例中,所述第二知识图谱中的节点对应于所述目标用户的历史教学记录中的各历史音乐教学内容资源,对所述第二知识图谱中各节点之间的节点连线的权重进行统计求和,可以表征的所述目标用户对学习过的历史音乐教学内容资源中练习项目、内容风格和教学风格三者的偏好度,从而确定所述第一兴趣系数、所述第二兴趣系数和所述第三兴趣系数。节点连线的权重表征节点之间在练习项目、内容风格和教学风格上联系的紧密程度,通过对权值进行求和,可以直观地反应用户的偏好。
在一种可能的实现方式中,步骤A44根据所述第二节点与所述第三节点之间的节点连线以及所述用户兴趣系数,从所述第三节点中确定出待推荐节点的动作,可以包括以下步骤:
步骤A441,针对所述第二节点和每个所述第三节点,计算所述第二节点和所述第三节点之间第一节点连线的权重和所述第一兴趣系数的乘积作为第一兴趣度,计算所述第二节点和所述第三节点之间第二节点连线的权重和所述第二兴趣系数的乘积作为第二兴趣度,计算所述第二节点和所述第三节点之间第三节点连线的权重和所述第三兴趣系数的乘积作为第三兴趣度。
步骤A442,计算所述第一兴趣度、第二兴趣度和第三兴趣度的和作为所述第三节点的兴趣分数。
步骤A443,根据各所述第三节点的兴趣分数确定出所述待推荐节点。
在本实施例中,节点连线的权重代表了音乐教学内容资源之间的联系,兴趣度系数代表了用户的偏好。根据所述第一兴趣系数、所述第二兴趣系数和所述第三兴趣系数可以表征用户在寻找音乐教学内容资源时更注重练习项目、内容风格和教学风格中的哪一个,然后在结合与所述目标音乐教学内容资源相关的其他音乐教学内容资源和所述目标音乐教学内容资源之间节点连线的权重,可以确定出和所述目标音乐教学内容资源具有较强联系且更符合用户偏好的音乐教学内容资源。
具体地,在本实施例中,可以根据所述兴趣分数对各第三节点进行排序,然后可以选取排序靠前的预设数量个第三节点作为所述待推荐节点。
进一步地,还可能存在目标用户为新用户,积累的历史教学记录还不足以用于进行分析的情况。因此,在本实施例中,若所述目标用户的历史教学记录中的历史音乐教学内容资源的数量未达到预设数量阈值,则获取所述目标用户的检索记录信息、浏览记录信息及用户属性信息中的至少一种信息。然后可以根据所述检索记录信息、浏览记录信息及用户属性信息中的至少一种信息,从所述预设的音乐教学内容资源库中确定出相应的待推荐音乐教学内容资源推送给所述目标用户。
例如,可以在用户注册时获取用户填写的属性信息,并根据所述属性信息确定用户画像,也可以获取用户对音乐教学内容资源的搜索或者浏览记录,然后在基于所述第一知识图谱查找相似或相关的音乐教学内容资源推送给用户。如此,可以先根据大致的用户画面为所述目标用户进行大致的音乐教学内容资源推荐,在积累较多的历史教学记录以后,在进行基于知识图谱的音乐教学内容资源推荐。
请参照图3,图3是本实施例提供的一种音乐教学平台300的示意图,该音乐教学平台300可以为服务器、平板电脑、工作站等具有数据处理能力的电子设备。所述音乐教学平台300包括基于知识图谱的音乐教学推荐系统301、机器可读存储介质302、处理器303。
所述机器可读存储介质302、处理器303各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述基于知识图谱的音乐教学推荐系统301包括至少一个可以软件或固件(firmware)的形式存储于所述机器可读存储介质302中或固化在所述音乐教学平台300的操作系统(operating system,OS)中的软件功能模块。所述处理器303用于执行所述机器可读存储介质302中存储的可执行模块,例如所述基于知识图谱的音乐教学推荐系统301所包括的软件功能模块及计算机程序等。
其中,所述机器可读存储介质302可以是,但不限于,随机存取存储器(RandomAccess Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(Erasable ProgrammableRead-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable ProgrammableRead-Only Memory,EEPROM)等。其中,机器可读存储介质302用于存储程序,所述处理器303在接收到执行指令后,执行所述程序。
所述处理器303可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit, 简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
请参照图4,本实施例还提供一种基于知识图谱的音乐教学推荐系统301,基于知识图谱的音乐教学推荐系统301包括至少一个可以软件形式存储于机器可读存储介质302中的功能模块。从功能上划分,基于知识图谱的音乐教学推荐系统301可以包括第一获取模块411、第二获取模块412、数据确定模块413及内容推送模块414。
所述第一获取模块411用于获取目标用户的历史教学记录,所述历史教学记录包括所述目标用户获取过的多个历史音乐教学内容资源;
本实施例中,所述第一获取模块411可用于执行图1所示的步骤A1,关于所述第一获取模块411的具体描述可参对所述步骤A1的描述。
所述第二获取模块412用于获取第一知识图谱,所述第一知识图谱包括与预设的音乐教学内容资源库中的多个音乐教学内容资源对应的节点以及各节点之间的节点连线,所述节点连线包括表征练习项目之间关联的第一节点连线、表征内容风格之间关联的第二节点连线及表征教学风格之间关联的第三节点连线;
本实施例中,所述第二获取模块412可用于执行图1所示的步骤A2,关于所述第二获取模块412的具体描述可参对所述步骤A2的描述。
所述数据确定模块413用于从多个所述历史音乐教学内容资源中确定目标音乐教学内容资源;
本实施例中,所述数据确定模块413可用于执行图1所示的步骤A3,关于所述数据确定模块413的具体描述可参对所述步骤A3的描述。
所述内容推送模块414用于根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户。
本实施例中,所述内容推送模块414可用于执行图1所示的步骤A4,关于所述内容推送模块414的具体描述可参对所述步骤A4的描述。
综上所述,本申请提供的基于知识图谱的音乐教学推荐方法及系统,通过结合知识图谱中包含的各音乐教学内容资源之间在练习项目、内容风格和教学风格上的联系数据,根据用户的历史教学记录为用户确定出和合适的待推荐音乐教学内容资源。如此,针对音乐教学内容资源的特性,结合了多方面的特征数据,从而提高了音乐教学内容资源推荐的可靠性和准确性。
更多地,在本实施例提供的方案中,通过根据所述目标用户的历史教学记录确定第二知识图谱,对第二知识图谱中节点之间的节点连线的权重进行分析可以获得用户在练习项目、内容风格和教学风格上偏好,从而获得兴趣偏好系数,结合该兴趣偏好系数进行待推荐音乐教学内容资源确定,可以使确定出的待推荐音乐教学内容资源更符合用户的偏好。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
以上所述,仅为本申请的各种实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (9)
1.一种基于知识图谱的音乐教学推荐方法,其特征在于,所述方法包括:
获取目标用户的历史教学记录,所述历史教学记录包括所述目标用户获取过的多个历史音乐教学内容资源;
获取第一知识图谱,所述第一知识图谱包括与预设的音乐教学内容资源库中的多个音乐教学内容资源对应的节点以及各节点之间的节点连线,所述节点连线包括表征练习项目之间关联的第一节点连线、表征内容风格之间关联的第二节点连线及表征教学风格之间关联的第三节点连线;
从多个所述历史音乐教学内容资源中确定目标音乐教学内容资源;
根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户;
所述方法还包括:
获取多个音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息;
建立与所述多个音乐教学内容资源对应的节点;
针对所述多个音乐教学内容资源中的任意两个目标音乐教学内容资源对应节点,根据所述两个目标音乐教学内容资源的所述音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线以及所述节点连线对应权重;
根据各节点及各节点之间的节点连线得到所述第一知识图谱;
所述根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户的步骤,包括:
在所述第一知识图谱中提取确定与多个所述历史音乐教学内容资源对应的第一节点,提取各所述第一节点及各第一节点之间节点连线组成第二知识图谱;
根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数;
在所述第一知识图谱中提取确定与多个所述目标音乐教学内容资源对应的第二节点以及与所述第二节点之间具有节点连线的第三节点,提取所述第二节点、所述第三节点以及所述第二节点和所述第三节点之间的节点连线组成第三知识图谱;
根据所述第二节点与所述第三节点之间的节点连线以及所述用户兴趣系数,从所述第三节点中确定出待推荐节点;
将所述待推荐节点对应的音乐教学内容资源作为所述待推荐音乐教学内容资源推送给所述目标用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述两个目标音乐教学内容资源的所述音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线的步骤包括:
获取所述两个目标音乐教学内容资源中的多个练习项目,所述练习项目包括至少一个练习项目分类及练习项目分类下对应的至少一个具体练习内容,根据所述两个目标音乐教学内容资源中相同具体练习内容的第一数量,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第一节点连线及第一节点连线对应的权重;
获取所述两个目标音乐教学内容资源中的电子曲谱的内容风格信息,所述内容风格信息包括曲谱风格特征信息及演示音频特征信息,根据所述曲谱风格特征信息及所述演示音频特征信息之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第二节点连线及第二节点连线对应的权重;
获取所述两个目标音乐教学内容资源的教学风格信息,所述教学风格信息包括教学评价文本集合及历史学员记录,根据所述教学评价文本集合及历史学员记录之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第三节点连线及第三节点连线对应的权重。
3.根据权利要求1所述的方法,其特征在于,所述根据所述第二节点与所述第三节点之间的节点连线以及所述用户兴趣系数,从所述第三节点中确定出待推荐节点的步骤,包括:
针对所述第二节点和每个所述第三节点,计算所述第二节点和所述第三节点之间第一节点连线的权重和所述第一兴趣系数的乘积作为第一兴趣度,计算所述第二节点和所述第三节点之间第二节点连线的权重和所述第二兴趣系数的乘积作为第二兴趣度,计算所述第二节点和所述第三节点之间第三节点连线的权重和所述第三兴趣系数的乘积作为第三兴趣度;
计算所述第一兴趣度、第二兴趣度和第三兴趣度的和作为所述第三节点的兴趣分数;
根据各所述第三节点的兴趣分数确定出所述待推荐节点。
4.根据权利要求2所述的方法,其特征在于,所述根据所述曲谱风格特征信息及所述演示音频特征信息之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第二节点连线及第二节点连线对应的权重的步骤之前,所述方法还包括:
针对音乐教学内容资源库中的每个音乐教学内容资源,获取该音乐教学内容资源的教学内容描述信息、电子曲谱及演示音频;
将所述电子曲谱输入第一特征提取模型,通过所述第一特征提取模型提取所述电子曲谱对应的第一风格特征信息;
将所述教学内容描述信息输入第二特征提取模型,通过所述第二特征提取模型提取所述教学内容描述信息对应的第二风格特征信息;
将所述第一风格特征信息和所述第二风格特征信息进行融合,获得所述曲谱风格特征信息;
将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息。
5.根据权利要求4所述的方法,其特征在于,所述将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息的步骤之前,所述方法还包括:
按照时序提取所述演示音频的频谱信息;
根据所述电子曲谱及所述频谱信息,对所述电子曲谱和所述演示音频进行音频剪裁和时序对齐调整,获得调整后的演示音频;
所述将演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息,并根据所述第三风格特征信息获得所述演示音频特征信息的步骤,包括:
将所述调整后的演示音频输入第三特征提取模型,通过所述第三特征提取模型提取所述演示音频对应的第三风格特征信息;将所述第一风格特征信息和所述第三风格特征信息进行融合,获得所述演示音频特征信息;或者
按照时序将所述电子曲谱融合至所述演示音频的音轨中,获得融合处理后的演示音频;将所述融合处理后的演示音频输入至第四特征提取模型,通过所述第四特征提取模型提取所述演示音频对应的第三风格特征信息作为所述演示音频特征信息。
6.根据权利要求2所述的方法,其特征在于,所述根据所述教学评价文本集合及历史学员记录之间的相似度,确定所述两个目标音乐教学内容资源对应的节点之间是否具有第三节点连线及第三节点连线对应的权重的步骤,包括:
分别获取所述两个目标音乐教学内容资源的教学评价文本集合,针对所述两个目标音乐教学内容资源中的每个音乐教学内容资源的教学评价文本集合,对所述教学评价文本集合中的教学评价文本进行关键词提取,获得所述两个目标音乐教学内容资源所以具有的相同风格评价关键词的第二数量;
分别获取所述两个目标音乐教学内容资源的历史学员记录,获得所述两个目标音乐教学内容资源所以具有的相同学员的第三数量;
根据所述预设的音乐教学内容资源库中每两个音乐教学内容资源之间的所述第二数量和所述第三数量,对各所述第二数量和各所述第三数量进行归一化处理,获得每两个音乐教学内容资源之间处理后的第二数量和第三数量;
根据所述两个目标音乐教学内容资源之间的所述处理后的第二数量及第三数量,分别确定所述两个目标音乐教学内容资源对应的节点之间教学评价文本相似度信息及学员相似度信息。
7.根据权利要求2所述的方法,其特征在于,所述根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数的步骤之前,所述方法还包括:
对所述第一知识图谱中各节点之间的所述第一节点连线的权重、所述第二节点连线的权重及所述第三节点连线的权重分别进行归一化;
所述根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数的步骤,包括:
对所述第二知识图谱中各节点之间的所述第一节点连线的权重、所述第二节点连线的权重及所述第三节点连线的权重分别进行求和,获得第一和值、第二和值及第三和值;
对所述第一和值、所述第二和值和所述第三和值进行求和,获得第四和值;
计算所述第一和值和所述第四和值的商,作为所述第一兴趣系数;
计算所述第二和值和所述第四和值的商,作为所述第二兴趣系数;
计算所述第三和值和所述第四和值的商,作为所述第三兴趣系数。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述目标用户的历史教学记录中的历史音乐教学内容资源的数量未达到预设数量阈值,则获取所述目标用户的检索记录信息、浏览记录信息及用户属性信息中的至少一种信息;
根据所述检索记录信息、浏览记录信息及用户属性信息中的至少一种信息,从所述预设的音乐教学内容资源库中确定出相应的待推荐音乐教学内容资源推送给所述目标用户。
9.一种基于知识图谱的音乐教学推荐系统,其特征在于,所述系统包括:
第一获取模块,用于获取目标用户的历史教学记录,所述历史教学记录包括所述目标用户获取过的多个历史音乐教学内容资源;
第二获取模块,用于获取第一知识图谱,所述第一知识图谱包括与预设的音乐教学内容资源库中的多个音乐教学内容资源对应的节点以及各节点之间的节点连线,所述节点连线包括表征练习项目之间关联的第一节点连线、表征内容风格之间关联的第二节点连线及表征教学风格之间关联的第三节点连线;
数据确定模块,用于从多个所述历史音乐教学内容资源中确定目标音乐教学内容资源;
内容推送模块,用于根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户;
其中,所述第一知识图谱的获得方式包括:
获取多个音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息;
建立与所述多个音乐教学内容资源对应的节点;
针对所述多个音乐教学内容资源中的任意两个目标音乐教学内容资源对应节点,根据所述两个目标音乐教学内容资源的所述音乐教学内容资源的练习项目信息、内容风格信息及教学风格信息,确定两个目标音乐教学内容资源对应节点之间是否具有的节点连线以及所述节点连线对应权重;
根据各节点及各节点之间的节点连线得到所述第一知识图谱;
所述根据所述第一知识图谱,从预设的音乐教学内容资源库中确定与所述目标音乐教学内容资源对应的待推荐音乐教学内容资源推送给所述目标用户,包括:
在所述第一知识图谱中提取确定与多个所述历史音乐教学内容资源对应的第一节点,提取各所述第一节点及各第一节点之间节点连线组成第二知识图谱;
根据所述第二知识图谱确定用户兴趣系数,所述用户兴趣系数包括与练习项目相关的第一兴趣系数、与内容风格相关的第二兴趣系数及与教学风格相关的第三兴趣系数;
在所述第一知识图谱中提取确定与多个所述目标音乐教学内容资源对应的第二节点以及与所述第二节点之间具有节点连线的第三节点,提取所述第二节点、所述第三节点以及所述第二节点和所述第三节点之间的节点连线组成第三知识图谱;
根据所述第二节点与所述第三节点之间的节点连线以及所述用户兴趣系数,从所述第三节点中确定出待推荐节点;
将所述待推荐节点对应的音乐教学内容资源作为所述待推荐音乐教学内容资源推送给所述目标用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210715337.5A CN114780785B (zh) | 2022-06-23 | 2022-06-23 | 基于知识图谱的音乐教学推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210715337.5A CN114780785B (zh) | 2022-06-23 | 2022-06-23 | 基于知识图谱的音乐教学推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114780785A CN114780785A (zh) | 2022-07-22 |
CN114780785B true CN114780785B (zh) | 2022-09-13 |
Family
ID=82422241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210715337.5A Active CN114780785B (zh) | 2022-06-23 | 2022-06-23 | 基于知识图谱的音乐教学推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114780785B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115858876B (zh) * | 2023-02-21 | 2023-05-26 | 杭州华卓信息科技有限公司 | 一种基于疾病知识图谱的随访内容智能推送方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633075A (zh) * | 2017-09-22 | 2018-01-26 | 吉林大学 | 一种多源异构数据融合平台及融合方法 |
CN109885772A (zh) * | 2019-02-27 | 2019-06-14 | 上海优谦智能科技有限公司 | 基于知识图谱的教育内容个性化推荐系统 |
WO2020216286A1 (zh) * | 2019-04-23 | 2020-10-29 | 北京新唐思创教育科技有限公司 | 教师风格预测模型的训练方法及计算机存储介质 |
CN113032618A (zh) * | 2021-03-26 | 2021-06-25 | 齐鲁工业大学 | 基于知识图谱的音乐推荐方法及系统 |
CN114218426A (zh) * | 2021-12-16 | 2022-03-22 | 广州酷狗计算机科技有限公司 | 音乐视频推荐方法及其装置、设备、介质、产品 |
-
2022
- 2022-06-23 CN CN202210715337.5A patent/CN114780785B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107633075A (zh) * | 2017-09-22 | 2018-01-26 | 吉林大学 | 一种多源异构数据融合平台及融合方法 |
CN109885772A (zh) * | 2019-02-27 | 2019-06-14 | 上海优谦智能科技有限公司 | 基于知识图谱的教育内容个性化推荐系统 |
WO2020216286A1 (zh) * | 2019-04-23 | 2020-10-29 | 北京新唐思创教育科技有限公司 | 教师风格预测模型的训练方法及计算机存储介质 |
CN113032618A (zh) * | 2021-03-26 | 2021-06-25 | 齐鲁工业大学 | 基于知识图谱的音乐推荐方法及系统 |
CN114218426A (zh) * | 2021-12-16 | 2022-03-22 | 广州酷狗计算机科技有限公司 | 音乐视频推荐方法及其装置、设备、介质、产品 |
Also Published As
Publication number | Publication date |
---|---|
CN114780785A (zh) | 2022-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107491531B (zh) | 基于集成学习框架的中文网络评论情感分类方法 | |
CN106649786B (zh) | 基于深度问答的答案检索方法及装置 | |
CN109598995B (zh) | 基于贝叶斯知识跟踪模型的智能教学系统 | |
CN110322738B (zh) | 一种课程优化方法、装置和系统 | |
Kumar et al. | Earth mover's distance pooling over siamese LSTMs for automatic short answer grading | |
CN112533051B (zh) | 弹幕信息显示方法、装置、计算机设备和存储介质 | |
CN111353068A (zh) | 一种视频推荐方法及装置 | |
CN108920450B (zh) | 一种基于电子设备的知识点复习方法及电子设备 | |
US20150026184A1 (en) | Methods and systems for content management | |
CN114661872B (zh) | 一种面向初学者的api自适应推荐方法与系统 | |
CN114780785B (zh) | 基于知识图谱的音乐教学推荐方法及系统 | |
Ünal et al. | A hierarchical approach to makam classification of Turkish makam music, using symbolic data | |
CN107180087A (zh) | 一种搜索方法及装置 | |
CN107844531B (zh) | 答案输出方法、装置和计算机设备 | |
CN111639485A (zh) | 基于文本相似性的课程推荐方法及相关设备 | |
CN113259763B (zh) | 教学视频处理方法、装置和电子设备 | |
Hsu | Voice of America news as voluminous reading material for mid-frequency vocabulary learning | |
CN111125443A (zh) | 一种基于自动去重的试题题库在线更新方法 | |
JP2002072841A (ja) | 単語学習システム | |
CN113886580A (zh) | 一种情感评分方法、装置及电子设备 | |
CN112163118A (zh) | 一种用于教学的推荐视频获取方法及装置 | |
CN114139053A (zh) | 基于学分银行和大数据分析的终身学习资源智能推送系统 | |
CN114818678A (zh) | 一种科技成果管理方法、平台及电子设备 | |
CN114297372A (zh) | 个性化的笔记生成方法及系统 | |
CN112632386A (zh) | 诗词推荐方法、装置、设备及存储介质 |
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 |