CN116401401A - 智能k歌系统基于用户喜好的歌曲推荐方法及装置 - Google Patents
智能k歌系统基于用户喜好的歌曲推荐方法及装置 Download PDFInfo
- Publication number
- CN116401401A CN116401401A CN202310607333.XA CN202310607333A CN116401401A CN 116401401 A CN116401401 A CN 116401401A CN 202310607333 A CN202310607333 A CN 202310607333A CN 116401401 A CN116401401 A CN 116401401A
- Authority
- CN
- China
- Prior art keywords
- song
- target
- songs
- playing
- type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 abstract description 5
- 230000015654 memory Effects 0.000 description 16
- 230000000007 visual effect Effects 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 206010048909 Boredom Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
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
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/65—Clustering; Classification
-
- 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
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G10H1/36—Accompaniment arrangements
- G10H1/361—Recording/reproducing of accompaniment for use with an external source, e.g. karaoke systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请属于计算机技术领域,涉及一种智能K歌系统基于用户喜好的歌曲推荐方法,包括在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式;根据场景模式确定歌曲类型,基于历史播放记录和歌曲类型,对云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表;定时检测目标推荐列表中已播放歌曲的播放时长,根据播放时长确定已播放歌曲对应歌曲类型的播放模式;基于播放模式确定目标推荐列表的替换位置,对替换位置的歌曲进行替换,得到更新歌曲列表;推送更新歌曲列表。本申请还提供一种智能K歌系统基于用户喜好的歌曲推荐装置。本申请实现了对K歌设备歌曲的多次筛选和智能推荐,提高了歌曲推荐的准确性。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种智能K歌系统基于用户喜好的歌曲推荐方法及装置。
背景技术
随着科技的发展,人们的娱乐生活变得越来越丰富,也变得更加智能化。K歌是人们在日常业余生活中不可缺少的一部分。在传统的K歌系统中,用户往往需要手动搜索和选择自己喜欢的歌曲进行演唱,这种方式比较繁琐,容易让用户产生疲劳和厌倦。而当前尽管存在一些基于K歌系统的歌曲推荐算法,但该歌曲推荐算法精度较低,无法对用户进行精确地歌曲推荐。
发明内容
本申请的目的在于提供一种智能K歌系统基于用户喜好的歌曲推荐方法及装置,以解决当前K歌系统歌曲推荐准确率较低的技术问题。
为了解决上述技术问题,本申请提供一种智能K歌系统基于用户喜好的歌曲推荐方法,采用了如下所述的技术方案:
在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式;
根据所述场景模式确定对应的歌曲类型,获取历史播放记录和云端歌曲库,基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表;
定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式;
基于所述播放模式确定所述目标推荐列表的替换位置,对所述替换位置的歌曲进行替换,得到更新歌曲列表;
推送所述更新歌曲列表至所述目标K歌设备的显示界面。
进一步的,所述基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表包括:
获取所述历史播放记录中每首歌的单曲点击次数,根据所述单曲点击次数,统计每个所述歌曲类型对应的历史点击次数;
根据所述历史点击次数对所述歌曲类型进行排序,得到排序结果,按照所述排序结果对所述云端歌曲进行挑选,得到所述目标推荐列表。
进一步的,所述按照所述排序结果对所述云端歌曲进行挑选,得到所述目标推荐列表包括:
根据所述排序结果从高到低选取预设个数的歌曲类型为目标类型;
获取所述目标类型对应的推荐比例,根据所述推荐比例对所述目标类型对应的云端歌曲进行推荐,得到所述目标推荐列表。
进一步的,所述根据所述推荐比例对所述目标类型对应的云端歌曲进行推荐,得到所述目标推荐列表包括:
统计所述云端歌曲的点击播放量,根据所述点击播放量和所述推荐比例对确定每个所述目标类型对应目标推荐歌曲,基于所述目标推荐歌曲排序得到所述目标推荐列表。
进一步的,所述对当前场景环境进行检测,确定当前场景环境对应的场景模式包括:
基于所述目标K歌设备对当前场景环境进行画面捕捉,得到当前场景画面;
连接云端服务器,基于所述云端服务器获取全场景分布画面,比对所述当前场景画面和所述全场景分布画面,得到匹配相似度,将所述匹配相似度大于或等于预设阈值的全场景分布画面对应的场景模式确定为所述当前场景画面对应的场景模式。
进一步的,所述定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式包括:
根据所述播放时长,计算所述已播放歌曲的歌曲权重,统计预设时间段内所述已播放歌曲对应歌曲类型的累计播放时长和累计歌曲权重;
获取预设时长阈值和预设权重阈值,根据所述预设时长阈值和所述预设权重阈值,分别对所述累计播放时长和所述累计歌曲权重的范围进行判断,得到每个所述歌曲类型的播放模式。
进一步的,所述根据所述播放时长,计算所述已播放歌曲的歌曲权重包括:
基于云端服务器获取所述已播放歌曲的歌曲总时长,根据所述播放时长和所述歌曲总时长,计算得到歌曲播放比例;
获取所述歌曲播放比例对应的权重范围,根据所述权重范围确定所述已播放歌曲对应的歌曲权重。
进一步的,所述对所述替换位置的歌曲进行替换,得到更新歌曲列表包括:
根据所述播放模式,从云端服务器选取目标播放数量的目标歌曲;
将所述替换位置的歌曲替换为所述目标歌曲,得到所述更新歌曲列表。
进一步的,所述将所述替换位置的歌曲替换为所述目标歌曲,得到所述更新歌曲列表包括:
在所述播放模式为高类型播放模式时,确定所述替换位置为所述目标推荐列表的第一阶级类型位置,将所述第一阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所述播放模式为中类型播放模式时,确定所述替换位置为所述目标推荐列表的第二阶级类型位置,将所述第二阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所述播放模式为低类型播放模式时,确定所述替换位置为所述目标推荐列表的第三阶级类型位置,将所述第三阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所有所述替换位置的歌曲替换完成时,得到所述更新歌曲列表,其中:
所述第一阶级类型位置的歌曲类型优先级大于所述第二阶级类型位置的歌曲类型优先级,所述第二阶级类型位置的歌曲类型优先级大于所述第三阶级类型位置的歌曲类型优先级。
为了解决上述技术问题,本申请还提供一种智能K歌系统基于用户喜好的歌曲推荐装置,采用了如下所述的技术方案:
检测模块,用于在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式;
分析模块,用于根据所述场景模式确定对应的歌曲类型,获取历史播放记录和云端歌曲库,基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表;
调整模块,用于定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式;
更新模块,用于基于所述播放模式确定所述目标推荐列表的替换位置,对所述替换位置的歌曲进行替换,得到更新歌曲列表;
推送模块,用于推送所述更新歌曲列表至所述目标K歌设备的显示界面。
与现有技术相比,本申请主要有以下有益效果:
本申请通过在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式,使得能够对不同的场景模式下的歌曲进行智能挑选;之后,根据所述场景模式确定对应的歌曲类型,获取历史播放记录和云端歌曲库,基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表,实现对云端歌曲的除此挑选;而后,定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式,实现定时对已播放歌曲的检测,进而实现对歌曲的即时调整,提高推荐效率和准确率;最后,基于所述播放模式确定所述目标推荐列表的替换位置,对所述替换位置的歌曲进行替换,得到更新歌曲列表;推送所述更新歌曲列表至所述目标K歌设备的显示界面,由此,实现了对目标K歌设备歌曲的多次筛选和智能推荐,提高了歌曲推荐的准确性,使得推荐的歌曲更加符合用户的喜好。
附图说明
图1为根据本申请的智能K歌系统基于用户喜好的歌曲推荐方法的一个实施例的流程图;
图2为根据本申请的智能K歌系统基于用户喜好的歌曲推荐方法的另一实施例的流程图;
图3为根据本申请的智能K歌系统基于用户喜好的歌曲推荐装置的一个实施例的结构示意图。
具体实施方式
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,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。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。
参考图1,示出了根据本申请的智能K歌系统基于用户喜好的歌曲推荐方法的一个实施例的流程图。所述智能K歌系统基于用户喜好的歌曲推荐的方法,包括以下步骤:
步骤S101,在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式;
在本实施例中,目标K歌设备为装有智能K歌系统的设备,当目标K歌设备上电时,智能K歌系统获取电视接收机启动指令,基于该启动指令对当前场景环境进行检测,确定当前场景环境对应的场景模式。其中,场景模式包括家庭场景模式、K歌场景模式和其他场景模式,根据对当前场景环境的检测,可以确定当前场景环境对应的具体场景模式。具体地,对当前场景环境的检测包括,对当前场景环境的画面、光线和颜色的检测,通过视觉检测机对当前场景环境进行画面捕捉,而后将该场景环境的画面、光线和颜色与云端系统存储的不同场景模式对应的画面、光线和颜色进行特征比对,由此,确定当前场景环境对应的场景模式。在场景模式检测完成时,将当前场景环境对应的场景模式的权重保存至目标存储器,其中,不同的场景模式对应不同的权重,例如,家庭场景模式对应的权重为10,K歌场景模式对应的权重为20,其他场景模式对应的权重为30。通过该权重可以确定当前检测到的场景模式,从而启动对应的推荐模式。
步骤S102,根据所述场景模式确定对应的歌曲类型,获取历史播放记录和云端歌曲库,基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表;
在本实施例中,不同的场景模式对应不同的歌曲类型,在确定不同的场景模式时,根据该场景模式对应的权重,即可启动不同的推荐模式,得到不同场景模式对应的歌曲类型。具体地,在场景模式为家庭场景模式时,该歌曲类型包括流行歌曲、戏曲、舞曲、喜庆经典、儿歌和对唱;在该场景模式为K歌场景模式时,该歌曲类型包括舒缓苦情歌,情歌对唱、摇滚歌曲和高音歌曲;在该场景模式为其他场景模式时,该歌曲类型包括国语歌、粤语歌、闽南语歌和英文歌。在确定当前的场景模式对应的歌曲类型时,获取历史播放记录和云端歌曲库,基于该历史播放记录和歌曲类型,对云端歌曲库中的云端歌曲进行排序挑选,从而得到目标推荐列表。
具体地,历史播放记录为目标K歌设备上存储的歌曲播放记录,该历史播放记录被存储在对应的存储器中。通过历史播放记录可以获取到不同歌曲的单曲点击次数,根据该单曲点击次数从多到少的顺序对不同的歌曲类型进行排序,得到排序结果;之后,按照该歌曲类型的排序结果依次从云端歌曲库中获取对应歌曲类型的云端歌曲,即得到目标推荐列表。将该目标推荐列存储至对应的存储器中。
步骤S103,定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式;
在本实施例中,在得到目标推荐列表时,存储该目标推荐列表的存储器的控制指令会变为侦测启动指令,该侦测启动指令可以为预设的任何指令,如1。在接收到该侦测启动指令时,定时对目标推荐列表中已播放歌曲的播放时长进行侦测,根据该播放时长确定已播放歌曲对应的歌曲类型的播放模式。具体地,不同歌曲类型的已播放歌曲的总播放时长可能不同,根据该已播放歌曲的播放时长进行侦测,可以得到每个歌曲类型的总播放时长;基于该总播放时长可以对该已播放歌曲对应的歌曲类型的播放模式进行调整。其中,播放模式包括高类型播放模式、中类型播放模式和低类型播放模式,若某一歌曲类型的播放时长最长,则将该歌曲类型对应的播放模式为高类型播放模式;若某一歌曲类型的播放时长其次,则将该歌曲类型对应的播放模式为中类型播放模式;若某一歌曲类型的播放时长最低,则将该歌曲类型对应的播放模式为低类型播放模式。
步骤S104,基于所述播放模式确定所述目标推荐列表的替换位置,对所述替换位置的歌曲进行替换,得到更新歌曲列表;
在本实施例中,播放模式为重新确定的每种歌曲类型对应的播放模式,因此,根据该播放模式可以确定目标推荐列表中的替换位置,该替换位置即为当前播放模式对应的歌曲类型在目标推荐列表中的位置。例如,播放模式为高类型播放模式对应的歌曲类型为P1类型,则将该P1类型在目标推荐列表中的位置确定为替换位置。对该替换位置的所有歌曲进行替换,即得到更新歌曲列表,其中,该替换的歌曲可以从云端进行获取。在得到更新歌曲列表时,将控制指令调整为更新完成指令,如1,并将该更新歌曲列表存储到对应的存储器中,将该更新歌曲列表的保存时间和更新完成指令存储到另一存储器中。若歌曲更新失败,则将该控制指令调整为失败指令,当接收到该失败指令时,间隔预设时长后,重新确定替换位置,对该替换位置的歌曲进行再次替换。
步骤S105,推送所述更新歌曲列表至所述目标K歌设备的显示界面。
在本实施例中,在得到更新歌曲列表时,推送该更新歌曲列表至目标K歌设备的显示界面。具体地,通过获取更新歌曲列表对应的存储器的控制命令,可以确定更新歌曲列表是否更新完成。若得到的控制指令为更新完成指令,则确定该更新歌曲列表为完成状态,将该更新歌曲列表推送至目标K歌设备的显示界面,以及用户移动端的显示界面,并展示调整歌曲的优先级时间。在更新歌曲列表更新完成时,还可以将该更新歌曲列表同步存储至云端服务器。
本实施例提出的智能K歌系统基于用户喜好的歌曲推荐方法,通过构建目标推荐列表,之后根据播放模式对该目标推荐列表进行替换更新,得到更新歌曲列表,最后将该更新歌曲列表推送至显示界面,实现了对目标K歌设备歌曲的多次筛选和智能推荐,提高了歌曲推荐的准确性,使得推荐的歌曲更加符合用户的喜好。
如图2所示,在本实施例的一些可选的实现方式中,上述基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表包括:
步骤S201,获取所述历史播放记录中每首歌的单曲点击次数,根据所述单曲点击次数,统计每个所述歌曲类型对应的历史点击次数;
步骤S202,根据所述历史点击次数对所述歌曲类型进行排序,得到排序结果,按照所述排序结果对所述云端歌曲进行挑选,得到所述目标推荐列表。
在本实施例中,历史播放记录中记录了每首歌的单曲点击次数。在得到历史播放记录时,获取该历史播放记录中每首歌曲的单曲点击次数,根据该单曲点击次数,对每个歌曲类型对应的历史点击次数进行统计,由此得到不同歌曲类型分别对应的历史点击次数。基于该历史点击次数对歌曲类型进行降序排序,例如根据历史点击次数从高到低的顺序将歌曲类型排列为P1、P2、P3和P4,其中,P1、P2、P3和P4分别对应不同的歌曲类型。该P1、P2、P3和P4即为排序得到的排序结果;而后,根据该排序结果对云端歌曲进行排序挑选,得到目标推荐列表。具体地,在得到排序结果时,根据该排序结果依次从云端歌曲库中挑选对应歌曲类型的云端歌曲,不同排列位置的歌曲类型对应的云端歌曲的数量不同。按照排序结果和数量从高到低依次获取对应歌曲类型的云端歌曲,并按照该排序结果对获取到的云端歌曲进行排序,得到目标推荐列表。
本实施例通过统计历史点击次数,根据历史点击次数对歌曲类型进行排序,之后根据排序结果对云端歌曲进行挑选,最终得到目标推荐列表,实现了对用户历史喜好的分析,使得通过历史点击次数从云端获取到的歌曲能够更符合用户的喜好,进一步提高了歌曲推荐的准确率。
在本实施例的一些可选的实现方式中,上述按照所述排序结果对所述云端歌曲进行挑选,得到所述目标推荐列表包括:
根据所述排序结果从高到低选取预设个数的歌曲类型为目标类型;
获取所述目标类型对应的推荐比例,根据所述推荐比例对所述目标类型对应的云端歌曲进行推荐,得到所述目标推荐列表。
在本实施例中,在根据历史点击次数对歌曲类型进行排序时,按照降序序列对该歌曲类型进行排序,并选取预设个数的歌曲类型为目标类型。其中,降序序列即为按照历史点击次数从高到低,对歌曲类型进行排序;预设个数则为选取的歌曲类型的类别数目。例如,当前场景模式对应7个不同的歌曲类型,按照历史点击次数从高到低排序结果为P1、P2、P3、P4、P5、P6和P7,选取预设个数为4的歌曲类型为目标类型,即从高到低选取P1、P2、P3和P4作为目标类型。在获取到目标类型时,获取每个目标类型对应的推荐比例,不同的目标类型可能对应不同的推荐比例,例如,P1、P2、P3和P4对应的推荐比例为3:2:1:1。根据该推荐比例获取每个目标类型在云端歌曲库对应数量的云端歌曲,并按照该目标类型在排序结果中的排列位置对每个目标类型的云端歌曲按序排列,得到目标推荐列表。
本实施例通过推荐比例对目标类型的云端歌曲进行推荐,得到目标推荐列表,实现了对云端歌曲的精确推荐。
在本实施例的一些可选的实现方式中,上述根据所述推荐比例对所述目标类型对应的云端歌曲进行推荐,得到所述目标推荐列表包括:
统计所述云端歌曲的点击播放量,根据所述点击播放量和所述推荐比例对确定每个所述目标类型对应目标推荐歌曲,基于所述目标推荐歌曲排序得到所述目标推荐列表。
在本实施例中,在对云端歌曲进行推荐时,统计每首云端歌曲的点击播放量,确定每个目标类型对应的目标推荐歌曲。具体地,对于同一目标类型的不同云端歌曲,其对应的点击播放量可能不同。在对同一目标类型的云端歌曲进行推荐时,依据该点击播放量从高到低获取同一目标类型对应推荐比例的云端歌曲。例如,总推荐数量为7,目标类型P1、P2、P3和P4对应的推荐比例为3:2:1:1,则按照点击播放量从云端歌曲库中从高到低选取3首P1类型的歌曲,从高到低选取2首P2类型的歌曲,从高到低选取1首P3类型的歌曲,从高到低选取1首P4类型的歌曲。之后,按照每个目标类型在排序结果中的排序位置对选取的云端歌曲进行排序,即得到目标推荐列表。
本实施例通过统计云端歌曲的点击播放量,根据点击播放量和推荐比例对每个目标类型对应的目标推荐歌曲进行确定,进而根据该目标推荐歌曲得到目标推荐列表,实现了对同一目标类型的云端歌曲的排序,进一步提高了歌曲推荐的准确率。
在本实施例的一些可选的实现方式中,上述对当前场景环境进行检测,确定当前场景环境对应的场景模式包括:
基于所述目标K歌设备对当前场景环境进行画面捕捉,得到当前场景画面;
连接云端服务器,基于所述云端服务器获取全场景分布画面,比对所述当前场景画面和所述全场景分布画面,得到匹配相似度,将所述匹配相似度大于或等于预设阈值的全场景分布画面对应的场景模式确定为所述当前场景画面对应的场景模式。
在本实施例中,在目标K歌设备上装备有视觉检测机,基于该视觉检测机对当前场景环境进行画面捕捉,得到当前场景画面。例如,基于该视觉检测机对当前场景环境进行拍照,将得到的拍摄画面作为当前场景画面。之后,连接云端服务器,基于该云端服务器获取全场景分布画面,该全场景分布画面包括不同场景模式对应的分布画面,家庭场景模式对应家庭场景分布画面,K歌场景模式对应K歌场景分布画面,其他场景模式对应除家庭和K歌以外的所有场景分布画面。将当前场景画面分别和不同的全场景分布画面进行比对,提取当前场景画面中的图像分割特征,根据该图像分割特征计算当前场景画面和每个不同的全场景分布画面的匹配相似度。将匹配相似度大于或等于预设阈值的全场景分布画面对应的场景模式确定为当前场景画面对应的场景模式。
进一步地,当存在多个全场景分布画面与当前场景画面的匹配相似度大于或等于预设阈值时,则选取匹配相似度最高的全场景分布画面对应的场景模式作为当前场景画面对应的场景模式。在场景模式检测完成时,将提取到的当前场景画面的图像分割特征保存至目标存储器中。
本实施例通过目标K歌设备对当前场景环境进行画面捕捉,得到当前场景画面,之后,将该当前场景画面和全场景分布画面进行比对,确定当前场景画面对应的场景模式,实现了对当前场景画面对应场景模式的精确检测,从而实现了对不同场景模式歌曲的精确挑选。
在本实施例的一些可选的实现方式中,上述定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式包括:
根据所述播放时长,计算所述已播放歌曲的歌曲权重,统计预设时间段内所述已播放歌曲对应歌曲类型的累计播放时长和累计歌曲权重;
获取预设时长阈值和预设权重阈值,根据所述预设时长阈值和所述预设权重阈值,分别对所述累计播放时长和所述累计歌曲权重的范围进行判断,得到每个所述歌曲类型的播放模式。
在本实施例中,在得到检测的已播放歌曲的播放时长时,根据该播放时长计算已播放歌曲的歌曲权重,并统计预设时间段内每首已播放歌曲对应歌曲类型的累计播放时长和累计歌曲权重。具体地,累计播放时长和累计歌曲权重为已播放歌曲对应歌曲类型的累计时长和累计权重,通过将所有为同一歌曲类型的已播放歌曲的播放时长和歌曲权重分别进行累加,即得到该累计播放时长和累计歌曲权重。
在得到不同歌曲类型分别对应的累计播放时长和累计歌曲权重时,获取预设时长阈值和预设权重阈值。其中,预设时长阈值和预设权重阈值为预先设定的范围阈值,根据该预设时长阈值和预设权重阈值,可以对累计播放时长和累计歌曲权重的范围进行判断,得到每个歌曲类型对应的播放模式,从而根据该播放模式对该歌曲类型下的未播放歌曲进行播放模式的调整。例如,以预设时长阈值为5分钟和10分钟,预设权重阈值为40和70为例,若某一歌曲类型的累计播放时长小于或等于5分钟,且累计歌曲权重小于或等于40,则确定该歌曲类型为低类型播放模式;若该歌曲类型的累计播放时长大于5分钟小于10分钟,且累计歌曲权重大于40小于70,则确定该歌曲类型为中类型播放模式;若某一歌曲类型的累计播放时长大于或等于10分钟,且累计歌曲权重大于或等于70,则确定该歌曲类型为高类型播放模式。
在确定所有歌曲类型对应的播放模式时,对不同的播放模式对应的名称权重进行调整并保存在对应的存储器中。例如,将高类型播放模式对应的名称权重调整为30,将中类型播放模式对应的名称权重调整为20,将低类型播放模式对应的名称权重调整为10。
本实施例通过对累计播放时长和累计歌曲权重的范围进行判断,得到每个歌曲类型的播放模式,实现了基于目标推荐列表对每个歌曲类型对应的播放模式的调整,实现了二次筛选,进一步提高了推荐准确率。
在本实施例的一些可选的实现方式中,上述根据所述播放时长,计算所述已播放歌曲的歌曲权重包括:
基于云端服务器获取所述已播放歌曲的歌曲总时长,根据所述播放时长和所述歌曲总时长,计算得到歌曲播放比例;
获取所述歌曲播放比例对应的权重范围,根据所述权重范围确定所述已播放歌曲对应的歌曲权重。
在本实施例中,基于云端服务器获取已播放歌曲的歌曲总时长,将该已播放歌曲的播放时长除以歌曲总时长,得到歌曲播放比例。其中,若在预设时间段内,该已播放歌曲播放了多次,则该已播放歌曲的播放时长为每次播放时长的累加,该歌曲总时长为该已播放歌曲的完整时长的多次累加。在计算得到每首已播放歌曲的歌曲播放比例时,获取该歌曲播放比例对应的权重范围,根据该权重范围确定该已播放歌曲对应的歌曲权重。具体地,歌曲播放比例取百分数,权重范围可以划分为0至30%,30%至50%,50%至80%,80%至100%,不同的权重范围对应不同的歌曲权重。例如,0至30%对应的歌曲权重为5,30%至50%对应的歌曲权重为10,50%至80%对应的歌曲权重为15,80%至100%对应的歌曲权重为20。
本实施例通过计算歌曲播放比例,根据该歌曲播放比例和权重范围,确定已播放歌曲的歌曲权重,实现了对已播放歌曲的权重计算,使得根据该权重能够对不同歌曲类型的重要性进行进一步确定。
在本实施例的一些可选的实现方式中,上述对所述替换位置的歌曲进行替换,得到更新歌曲列表包括:
根据所述播放模式,从云端服务器选取目标播放数量的目标歌曲;
将所述替换位置的歌曲替换为所述目标歌曲,得到所述更新歌曲列表。
在本实施例中,根据播放模式可以从云端服务器选取目标播放数量的目标歌曲,其中,不同的播放模式对应不同的目标数量,例如,高类型播放模式选取46首歌曲,中类型播放模式选取23首歌曲,低类型播放模式选取13首歌曲。基于该播放模式从云端服务器获取对应歌曲类型,选取该歌曲类型下目标播放数量的歌曲,该歌曲即为每种歌曲类型对应的目标歌曲。而后,将在目标推荐列表中对应替换位置的所有歌曲替换为该目标歌曲,得到替换后的目标推荐列表,该替换后的目标推荐列表即为更新歌曲列表。
本实施例通过将替换位置的歌曲替换为播放模式对应的目标歌曲,得到更新歌曲列表,实现了对目标播放列表歌曲的智能更新,避免了歌曲的重复,提高用户喜爱度。
在本实施例的一些可选的实现方式中,上述将所述替换位置的歌曲替换为所述目标歌曲,得到所述更新歌曲列表包括:
在所述播放模式为高类型播放模式时,确定所述替换位置为所述目标推荐列表的第一阶级类型位置,将所述第一阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所述播放模式为中类型播放模式时,确定所述替换位置为所述目标推荐列表的第二阶级类型位置,将所述第二阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所述播放模式为低类型播放模式时,确定所述替换位置为所述目标推荐列表的第三阶级类型位置,将所述第三阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所有所述替换位置的歌曲替换完成时,得到所述更新歌曲列表,其中:
所述第一阶级类型位置的歌曲类型优先级大于所述第二阶级类型位置的歌曲类型优先级,所述第二阶级类型位置的歌曲类型优先级大于所述第三阶级类型位置的歌曲类型优先级。
在本实施例中,播放模式为高类型播放模式、中类型播放模式和低类型播放模式,替换位置分别为第一阶级类型位置、第二阶级类型位置和第三阶级类型位置。其中,第一阶级类型位置为优先度最高的歌曲类型所在的位置,第二阶级类型位置为优先度其次于第一阶级类型位置的歌曲类型所在的位置,第三阶级类型位置为所有优先级低于第二阶级类型位置的歌曲类型所在的位置,第一阶级类型位置对应歌曲类型的优先级高于第二阶级类型位置,第二阶级类型位置对应歌曲类型的优先级高于第三阶级类型位置。例如,根据历史点击次数对不同歌曲类型进行优先度排序,历史点击次数最多的歌曲类型即为优先度最高的歌曲类型。在播放模式为高类型播放模式时,确定目标推荐列表的替换位置为第一阶级类型位置,将第一阶级类型位置的歌曲替换为当前播放模式对应的目标歌曲;在播放模式为中类型播放模式时,确定目标推荐列表的替换位置为第二阶级类型位置,将第二阶级类型位置的歌曲替换为当前播放模式对应的目标歌曲;在播放模式为低类型播放模式时,确定替换位置为第三阶级类型位置,将第三阶级类型位置的歌曲替换为当前播放模式对应的目标歌曲;在所有替换位置的歌曲替换完成时,得到更新歌曲列表。
本实施例通过不同播放模式对不同替换位置的歌曲进行替换,实现了对目标推荐列表的动态更新,提高了歌曲推荐的准确性。
进一步参考图3,作为对上述图1所示方法的实现,本申请提供了一种智能K歌系统基于用户喜好的歌曲推荐装置的一个实施例,该装置实施例与图1所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图3所示,本实施例所述的智能K歌系统基于用户喜好的歌曲推荐装置300包括:检测模块301、分析模块302、调整模块303、更新模块304和推送模块305。其中:
检测模块301,用于在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式;
在本实施例中,目标K歌设备为装有智能K歌系统的设备,当目标K歌设备上电时,智能K歌系统获取电视接收机启动指令,基于该启动指令对当前场景环境进行检测,确定当前场景环境对应的场景模式。其中,场景模式包括家庭场景模式、K歌场景模式和其他场景模式,根据对当前场景环境的检测,可以确定当前场景环境对应的具体场景模式。具体地,对当前场景环境的检测包括,对当前场景环境的画面、光线和颜色的检测,通过视觉检测机对当前场景环境进行画面捕捉,而后将该场景环境的画面、光线和颜色与云端系统存储的不同场景模式对应的画面、光线和颜色进行特征比对,由此,确定当前场景环境对应的场景模式。在场景模式检测完成时,将当前场景环境对应的场景模式的权重保存至目标存储器,其中,不同的场景模式对应不同的权重,例如,家庭场景模式对应的权重为10,K歌场景模式对应的权重为20,其他场景模式对应的权重为30。通过该权重可以确定当前检测到的场景模式,从而启动对应的推荐模式。
分析模块302,用于根据所述场景模式确定对应的歌曲类型,获取历史播放记录和云端歌曲库,基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表;
在本实施例中,不同的场景模式对应不同的歌曲类型,在确定不同的场景模式时,根据该场景模式对应的权重,即可启动不同的推荐模式,得到不同场景模式对应的歌曲类型。具体地,在场景模式为家庭场景模式时,该歌曲类型包括流行歌曲、戏曲、舞曲、喜庆经典、儿歌和对唱;在该场景模式为K歌场景模式时,该歌曲类型包括舒缓苦情歌,情歌对唱、摇滚歌曲和高音歌曲;在该场景模式为其他场景模式时,该歌曲类型包括国语歌、粤语歌、闽南语歌和英文歌。在确定当前的场景模式对应的歌曲类型时,获取历史播放记录和云端歌曲库,基于该历史播放记录和歌曲类型,对云端歌曲库中的云端歌曲进行排序挑选,从而得到目标推荐列表。
具体地,历史播放记录为目标K歌设备上存储的歌曲播放记录,该历史播放记录被存储在对应的存储器中。通过历史播放记录可以获取到不同歌曲的单曲点击次数,根据该单曲点击次数对不同的歌曲类型进行排序,得到排序结果;之后,按照该歌曲类型的排序结果依次从云端歌曲库中获取对应歌曲类型的云端歌曲,即得到目标推荐列表。将该目标推荐列存储至对应的存储器中。
调整模块303,用于定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式;
在本实施例中,在得到目标推荐列表时,存储该目标推荐列表的存储器的控制指令会变为侦测启动指令,该侦测启动指令可以为预设的任何指令,如1。在接收到该侦测启动指令时,定时对目标推荐列表中已播放歌曲的播放时长进行侦测,根据该播放时长确定已播放歌曲对应的歌曲类型的播放模式。具体地,不同歌曲类型的已播放歌曲的总播放时长可能不同,根据该已播放歌曲的播放时长进行侦测,可以得到每个歌曲类型的总播放时长;基于该总播放时长可以对该已播放歌曲对应的歌曲类型的播放模式进行调整。其中,播放模式包括高类型播放模式、中类型播放模式和低类型播放模式,若某一歌曲类型的播放时长最长,则将该歌曲类型对应的播放模式为高类型播放模式;若某一歌曲类型的播放时长其次,则将该歌曲类型对应的播放模式为中类型播放模式;若某一歌曲类型的播放时长最低,则将该歌曲类型对应的播放模式为低类型播放模式。
更新模块304,用于基于所述播放模式确定所述目标推荐列表的替换位置,对所述替换位置的歌曲进行替换,得到更新歌曲列表;
在本实施例中,播放模式为重新确定的每种歌曲类型对应的播放模式,因此,根据该播放模式可以确定目标推荐列表中的替换位置,该替换位置即为当前播放模式对应的歌曲类型在目标推荐列表中的位置。例如,播放模式为高类型播放模式对应的歌曲类型为P1类型,则将该P1类型在目标推荐列表中的位置确定为替换位置。对该替换位置的所有歌曲进行替换,即得到更新歌曲列表,其中,该替换的歌曲可以从云端进行获取。在得到更新歌曲列表时,将控制指令调整为更新完成指令,如1,并将该更新歌曲列表存储到对应的存储器中,将该更新歌曲列表的保存时间和更新完成指令存储到另一存储器中。若歌曲更新失败,则将该控制指令调整为失败指令,当接收到该失败指令时,间隔预设时长后,重新确定替换位置,对该替换位置的歌曲进行再次替换。
推送模块305,用于推送所述更新歌曲列表至所述目标K歌设备的显示界面。
在本实施例中,在得到更新歌曲列表时,推送该更新歌曲列表至目标K歌设备的显示界面。具体地,通过获取更新歌曲列表对应的存储器的控制命令,可以确定更新歌曲列表是否更新完成。若得到的控制指令为更新完成指令,则确定该更新歌曲列表为完成状态,将该更新歌曲列表推送至目标K歌设备的显示界面,以及用户移动端的显示界面,并展示调整歌曲的优先级时间。在更新歌曲列表更新完成时,还可以将该更新歌曲列表同步存储至云端服务器。
本实施例提出的智能K歌系统基于用户喜好的歌曲推荐装置,实现了对目标K歌设备歌曲的多次筛选和智能推荐,提高了歌曲推荐的准确性,使得推荐的歌曲更加符合用户的喜好。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请。
Claims (10)
1.一种智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,包括下述步骤:
在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式;
根据所述场景模式确定对应的歌曲类型,获取历史播放记录和云端歌曲库,基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表;
定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式;
基于所述播放模式确定所述目标推荐列表的替换位置,对所述替换位置的歌曲进行替换,得到更新歌曲列表;
推送所述更新歌曲列表至所述目标K歌设备的显示界面。
2.根据权利要求1 所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表包括:
获取所述历史播放记录中每首歌的单曲点击次数,根据所述单曲点击次数,统计每个所述歌曲类型对应的历史点击次数;
根据所述历史点击次数对所述歌曲类型进行排序,得到排序结果,按照所述排序结果对所述云端歌曲进行挑选,得到所述目标推荐列表。
3.根据权利要求2 所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述按照所述排序结果对所述云端歌曲进行挑选,得到所述目标推荐列表包括:
根据所述排序结果从高到低选取预设个数的歌曲类型为目标类型;
获取所述目标类型对应的推荐比例,根据所述推荐比例对所述目标类型对应的云端歌曲进行推荐,得到所述目标推荐列表。
4.根据权利要求3所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述根据所述推荐比例对所述目标类型对应的云端歌曲进行推荐,得到所述目标推荐列表包括:
统计所述云端歌曲的点击播放量,根据所述点击播放量和所述推荐比例对确定每个所述目标类型对应目标推荐歌曲,基于所述目标推荐歌曲排序得到所述目标推荐列表。
5.根据权利要求1所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述对当前场景环境进行检测,确定当前场景环境对应的场景模式包括:
基于所述目标K歌设备对当前场景环境进行画面捕捉,得到当前场景画面;
连接云端服务器,基于所述云端服务器获取全场景分布画面,比对所述当前场景画面和所述全场景分布画面,得到匹配相似度,将所述匹配相似度大于或等于预设阈值的全场景分布画面对应的场景模式确定为所述当前场景画面对应的场景模式。
6.根据权利要求1 所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式包括:
根据所述播放时长,计算所述已播放歌曲的歌曲权重,统计预设时间段内所述已播放歌曲对应歌曲类型的累计播放时长和累计歌曲权重;
获取预设时长阈值和预设权重阈值,根据所述预设时长阈值和所述预设权重阈值,分别对所述累计播放时长和所述累计歌曲权重的范围进行判断,得到每个所述歌曲类型的播放模式。
7.根据权利要求6 所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述根据所述播放时长,计算所述已播放歌曲的歌曲权重包括:
基于云端服务器获取所述已播放歌曲的歌曲总时长,根据所述播放时长和所述歌曲总时长,计算得到歌曲播放比例;
获取所述歌曲播放比例对应的权重范围,根据所述权重范围确定所述已播放歌曲对应的歌曲权重。
8.根据权利要求1 所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述对所述替换位置的歌曲进行替换,得到更新歌曲列表包括:
根据所述播放模式,从云端服务器选取目标播放数量的目标歌曲;
将所述替换位置的歌曲替换为所述目标歌曲,得到所述更新歌曲列表。
9.根据权利要求8所述的智能K歌系统基于用户喜好的歌曲推荐方法,其特征在于,所述将所述替换位置的歌曲替换为所述目标歌曲,得到所述更新歌曲列表包括:
在所述播放模式为高类型播放模式时,确定所述替换位置为所述目标推荐列表的第一阶级类型位置,将所述第一阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所述播放模式为中类型播放模式时,确定所述替换位置为所述目标推荐列表的第二阶级类型位置,将所述第二阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所述播放模式为低类型播放模式时,确定所述替换位置为所述目标推荐列表的第三阶级类型位置,将所述第三阶级类型位置的歌曲替换为当前所述播放模式对应的目标歌曲;
在所有所述替换位置的歌曲替换完成时,得到所述更新歌曲列表,其中:
所述第一阶级类型位置的歌曲类型优先级大于所述第二阶级类型位置的歌曲类型优先级,所述第二阶级类型位置的歌曲类型优先级大于所述第三阶级类型位置的歌曲类型优先级。
10.一种智能K歌系统基于用户喜好的歌曲推荐装置,其特征在于,包括:
检测模块,用于在检测到目标K歌设备启动时,对当前场景环境进行检测,确定当前场景环境对应的场景模式;
分析模块,用于根据所述场景模式确定对应的歌曲类型,获取历史播放记录和云端歌曲库,基于所述历史播放记录和所述歌曲类型,对所述云端歌曲库中的云端歌曲进行排序挑选,得到目标推荐列表;
调整模块,用于定时检测所述目标推荐列表中已播放歌曲的播放时长,根据所述播放时长确定所述已播放歌曲对应歌曲类型的播放模式;
更新模块,用于基于所述播放模式确定所述目标推荐列表的替换位置,对所述替换位置的歌曲进行替换,得到更新歌曲列表;
推送模块,用于推送所述更新歌曲列表至所述目标K歌设备的显示界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607333.XA CN116401401A (zh) | 2023-05-26 | 2023-05-26 | 智能k歌系统基于用户喜好的歌曲推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310607333.XA CN116401401A (zh) | 2023-05-26 | 2023-05-26 | 智能k歌系统基于用户喜好的歌曲推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116401401A true CN116401401A (zh) | 2023-07-07 |
Family
ID=87020134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310607333.XA Pending CN116401401A (zh) | 2023-05-26 | 2023-05-26 | 智能k歌系统基于用户喜好的歌曲推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116401401A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550243A (zh) * | 2015-12-07 | 2016-05-04 | 广东欧珀移动通信有限公司 | 一种播放列表的处理方法及装置 |
CN107025251A (zh) * | 2016-07-29 | 2017-08-08 | 杭州网易云音乐科技有限公司 | 一种数据推送方法及装置 |
CN109981695A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 内容推送方法、装置及设备 |
CN110309347A (zh) * | 2018-03-02 | 2019-10-08 | 上海博泰悦臻网络技术服务有限公司 | 基于雨刷频率的音乐推荐方法及云端服务器 |
CN112417204A (zh) * | 2020-12-16 | 2021-02-26 | 吉林大学 | 一种基于实时路况的音乐推荐系统 |
CN115665542A (zh) * | 2022-11-01 | 2023-01-31 | 深圳市东明炬创电子股份有限公司 | 基于场景自识别的图片处理方法及相关装置 |
CN115705378A (zh) * | 2021-08-05 | 2023-02-17 | 海信集团控股股份有限公司 | 一种资源推荐方法、装置及电子设备 |
-
2023
- 2023-05-26 CN CN202310607333.XA patent/CN116401401A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105550243A (zh) * | 2015-12-07 | 2016-05-04 | 广东欧珀移动通信有限公司 | 一种播放列表的处理方法及装置 |
CN107025251A (zh) * | 2016-07-29 | 2017-08-08 | 杭州网易云音乐科技有限公司 | 一种数据推送方法及装置 |
CN109981695A (zh) * | 2017-12-27 | 2019-07-05 | 广东欧珀移动通信有限公司 | 内容推送方法、装置及设备 |
CN110309347A (zh) * | 2018-03-02 | 2019-10-08 | 上海博泰悦臻网络技术服务有限公司 | 基于雨刷频率的音乐推荐方法及云端服务器 |
CN112417204A (zh) * | 2020-12-16 | 2021-02-26 | 吉林大学 | 一种基于实时路况的音乐推荐系统 |
CN115705378A (zh) * | 2021-08-05 | 2023-02-17 | 海信集团控股股份有限公司 | 一种资源推荐方法、装置及电子设备 |
CN115665542A (zh) * | 2022-11-01 | 2023-01-31 | 深圳市东明炬创电子股份有限公司 | 基于场景自识别的图片处理方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11204958B2 (en) | System and method of personalizing playlists using memory-based collaborative filtering | |
CN101561821B (zh) | 汇集媒体收藏以提供主列表和经排序的子列表 | |
US8869211B2 (en) | Zoomable content recommendation system | |
CN107729578B (zh) | 一种音乐推荐方法及装置 | |
CN103167330A (zh) | 音视频推荐方法及系统 | |
US20100162172A1 (en) | Media aggregation and presentation | |
CN104750839B (zh) | 一种数据推荐方法、终端及服务器 | |
CN109429103B (zh) | 推荐信息的方法、装置及计算机可读存储介质、终端设备 | |
US20100125351A1 (en) | Ordering A Playlist Based on Media Popularity | |
CN101561820A (zh) | 用于在共享网络的参与者之间汇集媒体收藏的方法和系统 | |
CN100385942C (zh) | 建议机以及以其提供内容建议的方法 | |
CN101561822A (zh) | 对集合媒体收藏进行删改 | |
EP1891588A1 (en) | Method and apparatus for estimating total interest of a group of users directing to a content | |
WO2010072617A1 (en) | Adaptive implicit learning for recommender systems | |
CN103634687A (zh) | 智能电视中提供视频搜索结果的方法及系统 | |
CN109753601A (zh) | 推荐信息点击率确定方法、装置及电子设备 | |
CN104182413A (zh) | 多媒体内容的推荐方法与系统 | |
CN102572543A (zh) | 一种数字电视节目推荐系统及方法 | |
CN111949807A (zh) | 数据处理方法、装置、计算机设备以及存储介质 | |
CN111930974A (zh) | 一种音视频类型的推荐方法、装置、设备及存储介质 | |
US20100094820A1 (en) | Method for affecting the score and placement of media items in a locked-to-top playlist | |
CN113010790B (zh) | 内容推荐方法、装置、服务器及存储介质 | |
CN109688217B (zh) | 一种消息推送方法、装置及电子设备 | |
CN112163163B (zh) | 多算法融合的信息推荐方法、装置和设备 | |
CN110569447B (zh) | 一种网络资源的推荐方法、装置及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230707 |
|
RJ01 | Rejection of invention patent application after publication |