CN115292526A - 多媒体数据随机播放方法及装置、存储介质、电子设备 - Google Patents
多媒体数据随机播放方法及装置、存储介质、电子设备 Download PDFInfo
- Publication number
- CN115292526A CN115292526A CN202210855359.1A CN202210855359A CN115292526A CN 115292526 A CN115292526 A CN 115292526A CN 202210855359 A CN202210855359 A CN 202210855359A CN 115292526 A CN115292526 A CN 115292526A
- Authority
- CN
- China
- Prior art keywords
- multimedia data
- cluster
- clustering
- playing
- random
- 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.)
- Pending
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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
- G06F16/4387—Presentation of query results by the use of playlists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—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
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/45—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明的实施方式涉及计算机技术领域,更具体地,本发明的实施方式涉及多媒体数据随机播放方法及装置,存储介质和电子设备。所述方法包括:获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量;基于所述多媒体数据对应的特征向量对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇;根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。本方法使得生成的随机播放序列能够符合预先设定的用户偏好参数;实现提升多媒体数据推荐的准确率。
Description
技术领域
本发明的实施方式涉及计算机技术领域,更具体地,本发明的实施方式涉及多媒体数据随机播放方法及装置,存储介质和电子设备。
背景技术
本部分旨在为本发明的实施方式提供背景或上下文,此处的描述不因为包括在本部分中就承认是现有技术。
随机播放是多媒体领域的一个重要功能,例如,在音频应用程序、视频应用程序中,用户可以随机播放音乐、视频等内容;或者,也可以随机的方式生成歌单、视频播放列表等。例如,在相关的领域中,以随机播放音乐为例,常见使用Random纯随机算法、Shuffle算法,来实现对音乐的随机播放。
发明内容
但是,在一些技术中,相关的随机算法也存在一定的不足,例如,由于算法策略不合理,计算过程中数据分析的维度不合理,导致计算结果会存在不均衡、无法满足用户实际播放需求的问题。
为此,非常需要一种改进的多媒体数据随机播放方法及装置、存储介质和电子设备,以提供一种能够提升用户体验、满足不同用户的差异化偏好、避免熟悉感的多媒体数据随机播放方案。
在本上下文中,本发明的实施方式期望提供一种多媒体数据随机播放方法和装置、存储介质和电子设备。
根据本公开的一个方面,提供一种多媒体数据随机播放方法,包括:
获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量;
基于所述多媒体数据对应的特征向量对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇;
根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。
在本公开的一种示例性实施例中,所述基于所述多媒体数据对应的特征向量对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇,包括:
为所述多媒体数据集合设置若干个聚类中心,并利用各多媒体数据对应的特征向量计算各所述多媒体数据到各所述聚类中心的距离;
将各所述多媒体数据划分至距离最小的聚类,并重复上述过程至收敛,以获取若干个所述聚类簇。
在本公开的一种示例性实施例中,所述用户偏好参数包括:数据相似度参数、播放偏好参数。
在本公开的一种示例性实施例中,所述根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,包括:
根据所述播放偏好参数配置各所述聚类簇中各所述多媒体数据的选中概率;以及
基于所述数据相似度参数的数值配置目标数量的数值;
在若干个所述聚类簇中随机选取所述聚类簇,以随机方式在选取的所述聚类簇中选取目标数量的所述多媒体数据并添加至所述随机播放序列,直至各所述聚类簇为空。
在本公开的一种示例性实施例中,所述方法还包括:
获取多媒体播放历史,以随机方式将所述多媒体播放历史对应的各多媒体数据进行排序,并将排序结果添加至所述随机播放序列的队尾。
在本公开的一种示例性实施例中,所述根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,包括:
根据所述用户偏好参数对各所述聚类簇中的所述多媒体数据进行排序;
根据所述数据相似度参数配置各所述聚类簇中各所述多媒体数据之间的数据间隔;
随机选取所述聚类簇,遍历所述聚类簇中的所述多媒体数据并依据所述数据间隔将各所述多媒体数据添加至结果数组;以及
重复该步骤至将全部的所述聚类簇中的所述多媒体数据添加至所述结果数组,以根据该结果数组确定所述多媒体数据集合对应的随机播放序列。
在本公开的一种示例性实施例中,所述用户偏好参数包括:所述播放偏好参数包括播放时间和播放时长;
所述基于所述播放偏好参数确定各所述聚类簇内各所述多媒体数据的排序,包括:
根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序。
在本公开的一种示例性实施例中,所述根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,包括:
根据所述播放偏好参数的播放时间对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第二权重。
在本公开的一种示例性实施例中,所述方法还包括:
根据所述播放偏好参数的播放时长对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第三权重。
在本公开的一种示例性实施例中,所述根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序,包括:
根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;
结合所述第一权重、第二权重、第三权重计算所述聚类簇中各所述多媒体数据的第四权重,并根据所述第四权重确定所述聚类簇内各所述多媒体数据的排序结果。
在本公开的一种示例性实施例中,所述根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序,包括:
根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;
结合所述第一权重、第二权重计算所述聚类簇中各所述多媒体数据的第五权重,并根据所述第五权重确定所述聚类簇内各所述多媒体数据的排序结果。
在本公开的一种示例性实施例中,所述获取多媒体数据集合对应的向量数据,包括:
响应于对多媒体数据集合的第一控制操作,向服务器端获取所述多媒体数据集合对应的向量数据。
在本公开的一种示例性实施例中,所述特征向量用于描述所述多媒体数据的属性特征、用户偏好特征、数据播放特征中的任意一项或任意多项。
根据本公开的一个方面,提供一种多媒体数据随机播放装置,包括:
数据获取模块,用于获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量;
聚类处理模块,用于基于所述向量数据对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇;
随机排序模块,用于根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。
在本公开的一种示例性实施例中,所述聚类处理模块包括:为所述多媒体数据集合设置若干个聚类中心,并利用各多媒体数据对应的特征向量计算各所述多媒体数据到各所述聚类中心的距离;将各所述多媒体数据划分至距离最小的聚类,并重复上述过程至收敛,以获取若干个所述聚类簇。
在本公开的一种示例性实施例中,所述用户偏好参数包括:数据相似度参数、播放偏好参数。
在本公开的一种示例性实施例中,所述随机排序模块包括:
第一随机处理模块,用于根据所述播放偏好参数配置各所述聚类簇中各所述多媒体数据的选中概率;以及基于所述数据相似度参数的数值配置目标数量的数值;在若干个所述聚类簇中随机选取所述聚类簇,以随机方式在选取的所述聚类簇中选取目标数量的所述多媒体数据并添加至所述随机播放序列,直至各所述聚类簇为空。
在本公开的一种示例性实施例中,所述装置还包括:
历史数据处理模块,用于获取多媒体播放历史,以随机方式将所述多媒体播放历史对应的各多媒体数据进行排序,并将排序结果添加至所述随机播放序列的队尾。
在本公开的一种示例性实施例中,所述随机排序模块包括:
第二随机处理模块,用于根据所述用户偏好参数对各所述聚类簇中的所述多媒体数据进行排序;根据所述数据相似度参数配置各所述聚类簇中各所述多媒体数据之间的数据间隔;随机选取所述聚类簇,遍历所述聚类簇中的所述多媒体数据并依据所述数据间隔将各所述多媒体数据添加至结果数组;以及重复该步骤至将全部的所述聚类簇中的所述多媒体数据添加至所述结果数组,以根据该结果数组确定所述多媒体数据集合对应的随机播放序列。
在本公开的一种示例性实施例中,所述用户偏好参数包括:所述播放偏好参数包括播放时间和播放时长;
所述第二随机处理模块包括:根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序。
在本公开的一种示例性实施例中,所述装置还包括:
第二权重计算模块,用于根据所述播放偏好参数的播放时间对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第二权重。
在本公开的一种示例性实施例中,所述装置还包括:
第三权重计算模块,用于根据所述播放偏好参数的播放时长对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第三权重。
在本公开的一种示例性实施例中,所述装置还包括:
第一簇内数据排序模块,用于根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;结合所述第一权重、第二权重、第三权重计算所述聚类簇中各所述多媒体数据的第四权重,并根据所述第四权重确定所述聚类簇内各所述多媒体数据的排序结果。
在本公开的一种示例性实施例中,所述装置还包括:
第二簇内数据排序模块,用于根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;结合所述第一权重、第二权重计算所述聚类簇中各所述多媒体数据的第五权重,并根据所述第五权重确定所述聚类簇内各所述多媒体数据的排序结果。
在本公开的一种示例性实施例中,所述数据获取模块包括:响应于对多媒体数据集合的第一控制操作,向服务器端获取所述多媒体数据集合对应的向量数据。
在本公开的一种示例性实施例中,所述特征向量用于描述所述多媒体数据的属性特征、用户偏好特征、数据播放特征中的任意一项或任意多项。
根据本公开的一个方面,提供一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时上述的多媒体数据随机播放方法。
根据本公开的一个方面,提供一种电子设备,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的多媒体数据随机播放方法。
根据本发明实施方式的多媒体数据随机播放方法及装置,通过预先为多媒体数据集合中的各多媒体数据构建特征向量,以及构建用户偏好参数,利用多媒体数据对应的特征向量为多媒体数据进行聚类分簇,得到对应的多个聚类簇,实现对多媒体数据的分类;并基于用户偏好参数在各聚类簇中进行多媒体数据的筛选,从而能够使得筛选结果能够更加符合用户的喜好,进而使得生成的随机播放序列能够符合预先设定的用户偏好参数;实现提升多媒体数据推荐的准确率。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明实施方式的多媒体数据随机播放方法的流程图;
图2示意性地示出了根据本发明实施方式的用户偏好参数输入图形用户界面的示意图;
图3示意性地示出了根据本发明实施方式的对多媒体数据进行聚类分簇的方法的流程图;
图4示意性地示出了根据本发明实施方式的一种生成随机播放序列的方法的流程图;
图5示意性地示出了根据本发明实施方式的另一种生成随机播放序列的方法的流程图;
图6示意性地示出了根据本发明实施方式的多媒体数据随机播放装置的方框图;
图7示出了根据本发明实施方式的存储介质的示意图;以及
图8示意性示出了根据发明实施方式的电子设备的方框图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提供一种多媒体数据随机播放方法、多媒体数据随机播放装置、存储介质和电子设备。
在本文中,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐述本发明的原理和精神。
发明概述
本发明人发现,现有技术中,随机播放是多媒体数据播放的一个重要功能,其应用场景可以是例如对歌曲、短视频、新闻等多媒体数据的随机播放。相关的随机算法中,包括Java列表洗牌算法、Random纯随机算法、 Shuffle算法,以及及面向用户播放历史的规则树组合打散降权算法。但是,现有算法的计算结果大多存在不均衡的问题;算法视角的随机运算结果和用户视角期望的随机结果并不能一致。例如,以歌曲随机播放的应用场景为例,在一个播放列表中包含由两个不同歌手演唱的10首不同风格、不同类别的歌曲,现有算法在进行随机运算时,容易出现连续播放同一歌手歌曲的情况;但以用户视角来看,这样的随机运算结果并不足够随机。
鉴于上述内容,本发明的基本思想在于:能够支持用户对随机播放的条件进行自定义,构建用户偏好参数;从而能够从多个维度对多媒体数据进行随机推荐的运算,以满足不同用户的随机播放的需求。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
示例性方法
下面结合图1来描述根据本发明示例性实施方式的多媒体数据随机播放方法。
参考图1,所述多媒体数据随机播放方法可以包括以下步骤:
S1、获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量;
S2、基于所述多媒体数据对应的特征向量对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇;
根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。
S3、根据所述标记字段向数据库中读取对应的所述待推送消息的发送状态;
在本发明实施方式的多媒体数据随机播放方法中,通过预先为多媒体数据集合中的各多媒体数据构建特征向量,以及构建用户偏好参数,利用多媒体数据对应的特征向量为多媒体数据进行聚类分簇,得到对应的多个聚类簇,实现对多媒体数据的分类;并基于用户偏好参数在各聚类簇中进行多媒体数据的筛选,从而能够使得筛选结果能够更加符合用户的喜好,进而使得生成的随机播放序列能够符合预先设定的用户偏好参数;实现提升多媒体数据推荐的准确率。
在本公开的示例性实施方式中,以多媒体数据为歌曲,进行歌曲随机播放的应用场景对本方案进行举例说明。
在步骤S1中,获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量。
在本公开的示例性实施方式中,上述的多媒体数据随机播放方法可以应用于终端设备,或者由终端设备和服务器端联合执行。上述的多媒体数据集合可以是用户当前选择播放的歌曲列表;例如,可以是系统向用户推荐的歌单,或者是用户创建的个人歌单。其中,服务器端可以预先为每一首歌曲根据其数据特征构建对应的特征向量;特征向量可以用于描述所述多媒体数据的属性特征、用户偏好特征、数据播放特征中的任意一项或任意多项。其中,该用户偏好特征可以是用户对该歌曲的偏好,例如可以通过收藏行为、播放次数等参数来表示。其中,歌曲的数据特征可以是歌曲类型、风格、年代、歌手、被收藏/下载的数量,以及该歌曲及对应MV相关评论内容、数量,相关短视频的数量、评论;或者,歌曲的特征还可以包括:曲风、语言、专辑、是否关注艺人、是否个人红心、加入歌单时间、最近播放时间、总播放次数等维度的属性参数,等等。在选定若干个维度的属性后,可以进行向量化。举例而言,对于曲风,可以利用8位的二进制进行描述;例如,摇滚:00111101。对于歌手,可以通过地域、性别(男/女/组合)、年龄、身份(歌手/词作者/曲作者/制作人)等维度,利用24位的二进制进行描述。如,毛某某: 011101011110101101011110。例如,歌曲的特征向量可以是以128个float 数字进行描述。
在本公开的示例性实施方式中,上述的方法可以包括:响应于对多媒体数据集合的第一控制操作,向服务器端获取所述多媒体数据集合对应的向量数据。
具体的,上述的第一控制操作可以是用户对当前歌单的随机播放模式的选择操作。具体而言,可以是当用户在应用程序的图形用户界面中选择并进入任意的歌单时,或者在该歌单开始播放歌曲并选择随机播放模式时,终端可以向服务器端请求当前歌单中各歌曲对应的特征向量;服务器端在接收到终端的请求后,可以提取该歌单中各歌曲对应的特征向量生成向量数据并下发到终端设备。
此外,还可以在应用程序的图形用户界面中提供一交互界面,用于用户输入用户偏好参数。举例来说,可以是在用户选择执行随机播放模式时,提供一交互窗口,在该窗口中用户可以选择具体的偏好参数;或者,也可以是在用户进入应用程序时,提供该交互窗口,预先配置该用户偏好参数;或者,也可以是用户在系统设置功能中进入该交互窗口进行参数选择;或者,也可以是在其他时机为用户显示该交互窗口。
具体而言,用户偏好参数可以包括:数据相似度参数、播放偏好参数。其中,数据相似度参数可以用于描述、限定随机播放的歌曲之间的风格、类型等,作为曲风偏好使用;播放偏好参数可以用于描述、限定随机播放的歌曲的频率、频次,作为时间偏好使用。举例来说,参考图2所示的操作界面中提供的坐标系,横坐标可以用于描述歌曲不常听--最常听;纵坐标可以用于描述歌曲风格跳跃--风格相似。用户在坐标系中选择任意一个点或者将控件拖动到坐标系中任意一点,便可以根据该点的坐标配置歌曲风格、是否常听的数据,即上述数据相似度参数、播放偏好参数。
具体来说,可以是在终端设备侧获取用户输入的用户偏好参数,以及向服务器端获取当前播放歌单对应的向量数据,并在本地执行随机播放的运算。或者,也可以是终端设备将当前随机播放歌单的歌曲id信息发送至服务器端,以及将用户输入的用户偏好参数发送至服务器端,并在服务器端完成随机播放序列的运算后,将该序列信息下发至终端设备,使终端设备按照该随机播放序列进行播放。
在步骤S2中,基于所述多媒体数据对应的特征向量对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇。
在本公开的示例性实施方式中,于多媒体数据集合,在获取其向量数据后,便可以进行聚类处理。具体的,可以利用K-Means聚类算法,将歌曲进行聚类分簇,识别出歌曲集合可以分成几个相似度比较高的聚类簇。其中,分类的聚类簇的数量可以是由服务器端预先指定。
具体而言,参考图3所示,上述的步骤S2具体可以包括:
步骤S21,为所述多媒体数据集合设置若干个聚类中心,并利用各多媒体数据对应的特征向量计算各所述多媒体数据到各所述聚类中心的距离;
步骤S22,将各所述多媒体数据划分至距离最小的聚类,并重复上述过程至收敛,以获取若干个所述聚类簇。
具体的,可以首先设置n个初始聚类中心,n为正整数;然后计算多媒体数据集合中各数据到n个初始聚类中心的距离。根据距离计算结果将数据分入与其距离最小的聚类簇中。然后计算新的聚类中心,判断聚类中心是否收敛;若收敛则输出该n个聚类簇;或者,若不收敛,则计算各数据与新的聚类中心之间的距离,根据新的距离计算结果将数据分入与其距离最小的聚类簇中;再计算新的聚类中心,再次判断聚类中心是否收敛;重复执行上述的流程,直至收敛,输出n个分类好的聚类簇。
举例来说,若该计算过程在终端设备侧执行,则服务器端可以将多媒体数据集合的特征数据以及指定的分簇数量下发至终端设备,在终端设备执行聚类分簇的计算。或者,若该计算过程在服务器端执行,则服务器端可以根据终端设备上传的歌单的歌曲id列表获取对应的特征向量,在完成聚类分簇后,再将分簇结果下发至终端设备。
在步骤S3中,根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。
在本公开的示例性实施方式中,参考图4所示,上述的步骤S3可以包括:
步骤S311,根据所述播放偏好参数配置各所述聚类簇中各所述多媒体数据的选中概率;以及
步骤S312,基于所述数据相似度参数的数值配置目标数量的数值;
步骤S313,在若干个所述聚类簇中随机选取所述聚类簇,以随机方式在选取的所述聚类簇中选取目标数量的所述多媒体数据并添加至所述随机播放序列,直至各所述聚类簇为空。
具体来说,其中,用户在交互界面中输入的数据相似度参数N的取值范围可以是[1,10],可以配置为从单个聚类簇中的一次随机选择歌曲的数量;当数据相似度参数越大,则在一次歌曲的随机选择中歌曲的数量越大,不同歌曲之间的曲风的相似度越高,进而随机结果的多样性越差;相反的,若用户输入的数据相似度参数取值越小,则从单个聚类簇中的一次随机选择歌曲的数量越小,不同歌曲之间的曲风的相似度越低。
另外,上述的播放偏好参数M的取值范围可以是[0,2],可以配置为从单个聚类簇中选取歌曲时的偏好度加权;当播放偏好参数的系数越大,则用户对歌曲的偏好度差异对歌曲被选中概率的影响越大,即对于常听歌曲的被选择的概率就越大。当偏好度设置最小时,用户对歌曲的偏好度对命中概率是没有影响的。其中,用户对于各歌曲的偏好度可以根据歌曲的特征向量计算得到,包括:最近播放、播放次数、艺人关注情况等,结果为 >1的正整数。对于各聚类簇中各歌曲的加权系数可以为该歌曲的偏好度* 播放偏好参数。
具体的,在进行一轮歌曲选择时,可以对n个聚类簇首先判断当前是否有剩余的非空聚类簇;若存在非空聚类簇,则随机选中一个聚类簇,从该聚类簇中随机选取N首歌曲;对于聚类簇中各歌曲的选取,可以基于各歌曲的加权系数配置其被选中的概率;然后,将当前聚类簇中随机选择的歌曲添加至随机播放序列的队尾;再判断该聚类簇是否为空,若为空则删除该聚类簇。然后,在剩余的聚类簇中再随机选择一个聚类簇,利用上述的方式选择N首歌曲并添加至随机播放序列的队尾;直至遍历所有的聚类簇,完成一轮的选择。若一轮选择完成后,若存在非空聚类簇,则再执行一次上述的流程,完成下一轮的随机选择;直至各聚类簇为空。
通过对歌单、播放列表进行聚类分簇,基于用户输入的数据相似度参数、播放偏好参数对各聚类簇中进行随机选择,并生成随机播放序列,从而使得随机选择的歌曲能够满足用户的个性化设定;避免相邻的歌曲之间相似度高;可支持用户依据自身的偏好进行相似度和个人偏好度的调整,可以在诸多维度上综合满足不同用户的良好随机体验。并且,由于用户偏好参数可以在终端设备侧即时调整生效,提供了所见即所得的随机良好体验。
或者,在本公开的示例性实施方式中,参考图5所示,上述的步骤S3 还可以包括:
步骤S321,根据所述用户偏好参数对各所述聚类簇中的所述多媒体数据进行排序;
步骤S322,根据所述数据相似度参数配置各所述聚类簇中各所述多媒体数据之间的数据间隔;
步骤S323,随机选取所述聚类簇,遍历所述聚类簇中的所述多媒体数据并依据所述数据间隔将各所述多媒体数据添加至结果数组;以及
步骤S324,重复该步骤至将全部的所述聚类簇中的所述多媒体数据添加至所述结果数组,以根据该结果数组确定所述多媒体数据集合对应的随机播放序列。
具体而言,对于用户输入的数据相似度参数、播放偏好参数,数据相似度参数可以作为曲风相似度的选择,播放偏好参数可以作为时间偏好的选择。该些参数可以是具体的权重参数。例如,可以配置数据相似度参数的取值范围为[-1.0,1.0],1.0表示曲风最相似/相同,-1.0表示曲风最跳跃/ 不同;可以配置播放偏好参数的取值范围为[-1.0,1.0],1.0表示最常听,- 1.0表示最不常听。
在本公开的示例性实施方式中,所述播放偏好参数包括播放时间和播放时长。
具体的,播放偏好参数用于描述用户对于歌曲的时间偏好,即上述的歌曲常听或不常听。该播放偏好参数可以利用播放时间、播放时长两个维度对该数据进行描述。其中,播放时间可以是该歌曲的最近播放时间;播放时长可以是该歌曲对应的总播放次数;两个维度的数据均可以对用户的播放历史进行统计来获取。举例来说,以用户设置希望听到最常听的歌曲为例,则最近播放次数最多的歌曲应该尽量排在前面。
在本公开的示例性实施方式中,在上述的步骤S321中,所述基于所述播放偏好参数确定各所述聚类簇内各所述多媒体数据的排序,包括:根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序。
在本公开的示例性实施方式中,所述根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,包括:根据所述播放偏好参数的播放时间对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第二权重。
具体而言,用户输入的时间偏好取值[-1.0,1.0],1.0表示最常听,-1.0 表示最不常听。对于各聚类簇而言,簇内的歌曲是有序的,即按照距离簇中心点距离由近至远排序。在此基础上,首先根据时间偏好的符号,对各聚类簇内的歌曲进行正序或倒序排序。当偏好值为正数时,表示最近播放过的元素希望排在前面,即按播放时间倒序排序,反之亦然。然后,将重新排序后的各聚类簇分为有播放时间和没有播放时间两部分,有播放时间的元素按照线性衰减赋予权重;没有播放时间的按照比最后一个有播放时间的元素更小一个梯度,赋予同样的权重。具体的,权重分配的公式可以包括:
其中,W2(n)为第n个元素的第二权重,C为常量值,k为衰减斜率常数。
在本公开的示例性实施方式中,所述方法还包括:根据所述播放偏好参数的播放时长对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第三权重。
具体而言,可以首先根据时间偏好的符号,对各聚类簇内进行正序或倒序排序。具体的,当偏好值为正数时,表示播放最多的元素希望排在前面,即:按播放次数倒序排序,反之亦然。然后,将重新排序后的聚类簇内的歌曲分为有播放次数和没有播放次数两部分,有播放次数的元素按照线性衰减赋予权重;没有播放次数的部分的按照比最后一个有播放次数的元素更小一个梯度,赋予同样的权重。具体的,权重分配的公式可以包括:
其中,W3(n)为第n个元素的第三权重,C为常量值,k为衰减斜率常数。
在本公开的示例性实施方式中,对于上述的步骤S321,所述根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序,包括:
根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;
结合所述第一权重、第二权重、第三权重计算所述聚类簇中各所述多媒体数据的第四权重,并根据所述第四权重确定所述聚类簇内各所述多媒体数据的排序结果。
具体而言,可以根据各歌曲对应的第一权重、第二权重、第三权重对各聚类簇内的歌曲进行重新排序。具体的,用户输入的曲风偏好取值[-1.0, 1.0],1.0表示曲风最相似,-1.0表示曲风最跳跃。对于各聚类簇内的歌曲,簇内是有序的,即按照离簇中心点距离由近到远排序因此不需要再进行排序,而是直接对元素按照线性递减的方式赋予权重。权重分配公式可以包括:
其中,W1(n)为第n个元素的第一权重,C为常量值,k为衰减斜率常数。
基于上述内容,在本公开的示例性实施方式中,在计算得到第一权重、第二权重、第三权重后,便可以根据三个维度的权重进行加权求和计算;例如,配置第一权重占比为50%、第二权重占比为20%、第三权重占比为 30%;即,W=0.5*W1+0.2*W2+0.3*W3。根据该公式计算聚类簇中各歌曲的第四权重W。然后,按照W的值,进行降序排列。
在本公开的示例性实施方式中,对于上述的步骤S321,所述根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序,包括:
根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;
结合所述第一权重、第二权重计算所述聚类簇中各所述多媒体数据的第五权重,并根据所述第五权重确定所述聚类簇内各所述多媒体数据的排序结果。
具体来说,为了保证聚类簇内歌曲重新排序的准确性,并减小计算量,也可以仅利用歌曲的第一权重、第二权重进行计算。例如,配置第一权重占比为50%、第二权重占比为50%;即,W`=0.5*W1+0.5*W2。根据该公式计算聚类簇中各歌曲的第五权重W`。然后,按照W`的值,进行降序排列。
在本公开的示例性实施方式中,在上述的步骤S322中,可以利用数据相似度参数计算每一个聚类簇中歌曲之间的间隔。由于每个聚类簇中包含曲风最接近的一组歌曲,因此,如果用户希望曲风相似,则尽可能将同一个簇的元素放在一起;相反的,如果用户希望曲风最跳跃,则尽可能让同一个簇的元素平铺到最终结果中。基于此,聚类簇内歌曲间隔的计算公式可以包括:
gap=(-styleBias+1)*(totalSize/groupSize)/2
其中,gap为簇内元素间隔;styleBias为曲风偏好,即数据相似度参数;totalSize为总元素个数;groupSize为当前簇元素个数。
利用该公式,可以分别计算出各聚类簇内歌曲之间的排列间隔。
在确定各聚类簇中簇内歌曲之间的排列间隔后,可以在全部的聚类簇中随机选择一个聚类簇,遍历其内部的歌曲,按上述方法权重排序后的顺序,以及计算后的排列间隔,将当前聚类簇中的歌曲写入结果数组中。然后重复这一步骤,直至将所有的聚类簇内的歌曲都合并至结果数组中,从而得到随机播放序列。
基于上述内容,在本申请的一些示例性实施方式中,上述方法还可以包括:获取多媒体播放历史,以随机方式将所述多媒体播放历史对应的各多媒体数据进行排序,并将排序结果添加至所述随机播放序列的队尾。
具体的,在完成对当前歌单的随机播放序列的计算后,还可以对用户的歌曲播放历史中的歌曲数据进行重新的随机排序,并将该排序结果添加至随机播放序列的队尾,从而丰富随机播放序列。
综上所述,本公开提供的多媒体数据随机播放方法,允许用户自定义用户偏好参数;在对多媒体数据集合进行分簇得到多个聚类簇后,利用用户自定义的用户偏好参数中的数据相似度参数和播放偏好参数,即上述实施例中所述的曲风相似度偏好和时间偏好对来配置不同聚类簇中选取、排列多媒体数据的方式,从而使得最终生成的随机播放序列更加符合用户偏好,并实现随机播放序列的个性化设定。
示例性装置
在介绍了本发明示例性实施方式的多媒体数据随机播放方法之后,接下来,参考图6对本发明示例性实施方式的多媒体数据随机播放装置进行描述。
参考图6所示,本发明示例性实施方式的多媒体数据随机播放装置60 可以包括:数据获取模块601,聚类处理模块602以及随机排序模块603;其中,
所述数据获取模块601可以用于获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量。
所述聚类处理模块602可以用于基于所述向量数据对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇。
所述随机排序模块603可以用于根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。
根据本公开的示例性实施例,所述聚类处理模块602包括:为所述多媒体数据集合设置若干个聚类中心,并利用各多媒体数据对应的特征向量计算各所述多媒体数据到各所述聚类中心的距离;将各所述多媒体数据划分至距离最小的聚类,并重复上述过程至收敛,以获取若干个所述聚类簇。
根据本公开的示例性实施例,所述用户偏好参数包括:数据相似度参数、播放偏好参数。
根据本公开的示例性实施例,所述随机排序模块603包括:第一随机处理模块。
所述第一随机处理模块可以用于根据所述播放偏好参数配置各所述聚类簇中各所述多媒体数据的选中概率;以及基于所述数据相似度参数的数值配置目标数量的数值;在若干个所述聚类簇中随机选取所述聚类簇,以随机方式在选取的所述聚类簇中选取目标数量的所述多媒体数据并添加至所述随机播放序列,直至各所述聚类簇为空。
根据本公开的示例性实施例,所述多媒体数据随机播放装置60还可以包括:历史数据处理模块。
所述历史数据处理模块可以用于获取多媒体播放历史,以随机方式将所述多媒体播放历史对应的各多媒体数据进行排序,并将排序结果添加至所述随机播放序列的队尾。
根据本公开的示例性实施例,所述随机排序模块603还可以包括:第二随机处理模块。
所述第二随机处理模块可以用于根据所述用户偏好参数对各所述聚类簇中的所述多媒体数据进行排序;根据所述数据相似度参数配置各所述聚类簇中各所述多媒体数据之间的数据间隔;随机选取所述聚类簇,遍历所述聚类簇中的所述多媒体数据并依据所述数据间隔将各所述多媒体数据添加至结果数组;以及重复该步骤至将全部的所述聚类簇中的所述多媒体数据添加至所述结果数组,以根据该结果数组确定所述多媒体数据集合对应的随机播放序列。
根据本公开的示例性实施例,所述用户偏好参数包括:所述播放偏好参数包括播放时间和播放时长;
所述第二随机处理模块包括:根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序。
根据本公开的示例性实施例,所述多媒体数据随机播放装置60还可以包括:第二权重计算模块。
所述第二权重计算模块可以用于根据所述播放偏好参数的播放时间对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第二权重。
根据本公开的示例性实施例,所述多媒体数据随机播放装置60还可以包括:第三权重计算模块。
所述第三权重计算模块可以用于根据所述播放偏好参数的播放时长对所述聚类簇中的所述多媒体数据进行排序,并基于该排序结果配置第三权重。
根据本公开的示例性实施例,所述多媒体数据随机播放装置60还可以包括:第一簇内数据排序模块。
所述第一簇内数据排序模块可以用于根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;结合所述第一权重、第二权重、第三权重计算所述聚类簇中各所述多媒体数据的第四权重,并根据所述第四权重确定所述聚类簇内各所述多媒体数据的排序结果。
根据本公开的示例性实施例,所述多媒体数据随机播放装置60还可以包括:第二簇内数据排序模块。
所述第二簇内数据排序模块可以用于根据所述多媒体数据在所述聚类簇中的顺序配置第一权重;结合所述第一权重、第二权重计算所述聚类簇中各所述多媒体数据的第五权重,并根据所述第五权重确定所述聚类簇内各所述多媒体数据的排序结果。
根据本公开的示例性实施例,所述数据获取模块601可以包括:响应于对多媒体数据集合的第一控制操作,向服务器端获取所述多媒体数据集合对应的向量数据。
根据本公开的示例性实施例,所述特征向量用于描述所述多媒体数据的属性特征、用户偏好特征、数据播放特征中的任意一项或任意多项。
由于本发明实施方式的多媒体数据随机播放装置的各个功能模块与上述多媒体数据随机播放方法发明实施方式中相同,因此在此不再赘述。
示例性存储介质
在介绍了本发明示例性实施方式的多媒体数据随机播放方法和装置之后,接下来,参考图7对本发明示例性实施方式的存储介质进行说明。
参考图7所示,描述了根据本发明的实施方式的用于实现上述方法的程序产品700,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、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。
可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,所述程序设计语言包括面向对象的程序设计语言-诸如Java、 C++等,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设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
示例性电子设备
在介绍了本发明示例性实施方式的存储介质之后,接下来,参考图8 对本发明示例性实施方式的电子设备进行说明。
图8显示的电子设备800仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图8所示,电子设备800以通用计算设备的形式表现。电子设备 800的组件可以包括但不限于:上述至少一个处理单元810、上述至少一个存储单元820、连接不同系统组件(包括存储单元820和处理单元810) 的总线830、显示单元840。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元810执行,使得所述处理单元810执行本说明书上述"示例性方法"部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元 810可以执行如图1中所示的步骤。
存储单元820可以包括易失性存储单元,例如随机存取存储单元 (RAM)8201和/或高速缓存存储单元8202,还可以进一步包括只读存储单元(ROM)8203。
存储单元820还可以包括具有一组(至少一个)程序模块8205的程序/实用工具8204,这样的程序模块8205包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线830可以包括数据总线、地址总线和控制总线。
电子设备800也可以与一个或多个外部设备900(例如键盘、指向设备、蓝牙设备等)通信,这种通信可以通过输入/输出(I/O)接口850进行。电子设备800还包括显示单元840,其连接到输入/输出(I/O)接口 850,用于进行显示。并且,电子设备800还可以通过网络适配器860与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器860通过总线830与电子设备 800的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备 800使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了音频播放装置和音频分享装置的若干模块或子模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种多媒体数据随机播放方法,其特征在于,包括:
获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量;
基于所述多媒体数据对应的特征向量对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇;
根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。
2.根据权利要求1所述的多媒体数据随机播放方法,其特征在于,所述基于所述多媒体数据对应的特征向量对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇,包括:
为所述多媒体数据集合设置若干个聚类中心,并利用各多媒体数据对应的特征向量计算各所述多媒体数据到各所述聚类中心的距离;
将各所述多媒体数据划分至距离最小的聚类,并重复上述过程至收敛,以获取若干个所述聚类簇。
3.根据权利要求1所述的多媒体数据随机播放方法,其特征在于,所述用户偏好参数包括:数据相似度参数、播放偏好参数。
4.根据权利要求3所述的多媒体数据随机播放方法,其特征在于,所述根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,包括:
根据所述播放偏好参数配置各所述聚类簇中各所述多媒体数据的选中概率;以及
基于所述数据相似度参数的数值配置目标数量的数值;
在若干个所述聚类簇中随机选取所述聚类簇,以随机方式在选取的所述聚类簇中选取目标数量的所述多媒体数据并添加至所述随机播放序列,直至各所述聚类簇为空。
5.根据权利要求1或4所述的多媒体数据随机播放方法,其特征在于,所述方法还包括:
获取多媒体播放历史,以随机方式将所述多媒体播放历史对应的各多媒体数据进行排序,并将排序结果添加至所述随机播放序列的队尾。
6.根据权利要求3所述的多媒体数据随机播放方法,其特征在于,所述根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,包括:
根据所述用户偏好参数对各所述聚类簇中的所述多媒体数据进行排序;
根据所述数据相似度参数配置各所述聚类簇中各所述多媒体数据之间的数据间隔;
随机选取所述聚类簇,遍历所述聚类簇中的所述多媒体数据并依据所述数据间隔将各所述多媒体数据添加至结果数组;以及
重复该步骤至将全部的所述聚类簇中的所述多媒体数据添加至所述结果数组,以根据该结果数组确定所述多媒体数据集合对应的随机播放序列。
7.根据权利要求6所述的多媒体数据随机播放方法,其特征在于,所述用户偏好参数包括:所述播放偏好参数包括播放时间和播放时长;
所述基于所述播放偏好参数确定各所述聚类簇内各所述多媒体数据的排序,包括:
根据所述播放偏好参数确定所述聚类簇中各所述多媒体数据的权重参数,并利用所述权重参数对所述聚类簇中各所述多媒体数据进行排序。
8.一种多媒体数据随机播放装置,其特征在于,包括:
数据获取模块,用于获取多媒体数据集合对应的向量数据,以及用户偏好参数;其中,所述向量数据包括所述多媒体数据集合中各多媒体数据对应的特征向量;
聚类处理模块,用于基于所述向量数据对所述多媒体数据集合进行聚类分簇,以获取若干个聚类簇;
随机排序模块,用于根据所述用户偏好参数在各所述聚类簇中选择所述多媒体数据,以根据所述多媒体数据的选择结果确定所述多媒体数据集合对应的随机播放序列。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1~7中任一项所述的多媒体数据随机播放方法。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1~7中任一项所述的多媒体数据随机播放方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855359.1A CN115292526A (zh) | 2022-07-19 | 2022-07-19 | 多媒体数据随机播放方法及装置、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210855359.1A CN115292526A (zh) | 2022-07-19 | 2022-07-19 | 多媒体数据随机播放方法及装置、存储介质、电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115292526A true CN115292526A (zh) | 2022-11-04 |
Family
ID=83823370
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210855359.1A Pending CN115292526A (zh) | 2022-07-19 | 2022-07-19 | 多媒体数据随机播放方法及装置、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115292526A (zh) |
-
2022
- 2022-07-19 CN CN202210855359.1A patent/CN115292526A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101527370B1 (ko) | 음악의 감정 정보를 이용한 추천음악 검색 방법 및 장치 | |
CN101821735B (zh) | 生成与内容项的集合相关联的元数据 | |
JP5044001B2 (ja) | 類似性データに基づくメディアアイテムのクラスタリング | |
US7680824B2 (en) | Single action media playlist generation | |
US7842876B2 (en) | Multimedia object grouping, selection, and playback system | |
US20100217755A1 (en) | Classifying a set of content items | |
US8543529B2 (en) | Content selection based on consumer interactions | |
US20090043811A1 (en) | Information processing apparatus, method and program | |
US20140351207A1 (en) | Content recommendation system, content recommendation method, content recommendation device, and information storage medium | |
JP5477635B2 (ja) | 情報処理装置および方法、並びにプログラム | |
US20160299906A1 (en) | Content Item Recommendations Based On Content Attribute Sequence | |
CN109299316A (zh) | 音乐推荐方法、装置和计算机设备 | |
US20100332568A1 (en) | Media Playlists | |
CN111078931A (zh) | 歌单推送方法、装置、计算机设备及存储介质 | |
CN111309966A (zh) | 音频匹配方法、装置、设备及存储介质 | |
CN115618024A (zh) | 多媒体推荐方法、装置及电子设备 | |
CN113672758B (zh) | 歌单生成方法、装置、介质和计算设备 | |
CN113868541A (zh) | 推荐对象确定方法、介质、装置和计算设备 | |
CN113190696A (zh) | 一种用户筛选模型的训练、用户推送方法和相关装置 | |
CN110569447B (zh) | 一种网络资源的推荐方法、装置及存储介质 | |
WO2024001548A1 (zh) | 歌单生成方法、装置、电子设备及存储介质 | |
CN111460215A (zh) | 音频数据处理方法、装置、计算机设备以及存储介质 | |
CN101815999B (zh) | 选择内容项集合中的至少一个的方法 | |
CN115292526A (zh) | 多媒体数据随机播放方法及装置、存储介质、电子设备 | |
US20180349372A1 (en) | Media item recommendations based on social relationships |
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 |