CN117390217B - 歌曲片段的确定方法、装置、设备和介质 - Google Patents
歌曲片段的确定方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN117390217B CN117390217B CN202311712513.0A CN202311712513A CN117390217B CN 117390217 B CN117390217 B CN 117390217B CN 202311712513 A CN202311712513 A CN 202311712513A CN 117390217 B CN117390217 B CN 117390217B
- Authority
- CN
- China
- Prior art keywords
- song
- target
- time
- addition
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 81
- 239000012634 fragment Substances 0.000 claims abstract description 46
- 238000007792 addition Methods 0.000 claims description 447
- 239000013598 vector Substances 0.000 claims description 194
- 238000012216 screening Methods 0.000 claims description 51
- 230000015654 memory Effects 0.000 claims description 26
- 230000004044 response Effects 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 abstract description 15
- 230000008451 emotion Effects 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000001914 filtration Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 235000001808 Ceanothus spinosus Nutrition 0.000 description 4
- 241001264786 Ceanothus spinosus Species 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- HAORKNGNJCEJBX-UHFFFAOYSA-N cyprodinil Chemical group N=1C(C)=CC(C2CC2)=NC=1NC1=CC=CC=C1 HAORKNGNJCEJBX-UHFFFAOYSA-N 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000000155 melt Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/68—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
- G06F16/685—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 automatically derived transcript of audio data, e.g. lyrics
-
- 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
- G06F16/638—Presentation of query results
- G06F16/639—Presentation of query results using playlists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
- G06F16/64—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了一种歌曲片段的确定方法、装置、设备和介质，其中方法包括：获取歌曲库中每首歌曲的歌曲添加信息，歌曲添加信息为每首歌曲被添加至预设歌单时的歌曲片段信息；根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。本申请可以基于用户针对歌曲的歌曲添加操作，确定出用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，可以向用户进行个性化歌曲推荐，从而改善推荐内容偏差的问题，提高歌曲推荐效果。
Description
技术领域
本申请实施例涉及数据处理技术领域，尤其涉及一种歌曲片段的确定方法、装置、设备和介质。
背景技术
目前，一些音乐播放器提供有“我喜欢”功能，当用户在听歌过程中如果喜欢某首歌曲就可以点击歌曲播放界面中的心形图标，将喜欢的歌曲添加到“我喜欢”歌单中，从而用户可以播放“我喜欢”歌单中的歌曲来听取自己喜欢的歌曲，而音乐播放器又会继续基于“我喜欢”歌单中的歌曲来向用户推荐其他歌曲。但是，由于用户将某首歌曲添加到“我喜欢”歌单时，可能并不是喜欢这首歌曲中的全部内容，所以导致音乐播放器基于“我喜欢”歌单，向用户进行歌曲推荐时的推荐内容出现偏差，效果较差。
发明内容
本申请提供一种歌曲片段的确定方法、装置、设备和介质，可以基于用户针对歌曲的歌曲添加操作，确定出用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，可以向用户进行个性化歌曲推荐，从而改善推荐内容偏差的问题，提高歌曲推荐效果。
第一方面，本申请提供了一种歌曲片段的确定方法，包括：
获取歌曲库中每首歌曲的歌曲添加信息，所述歌曲添加信息为每首歌曲被添加至预设歌单时的歌曲片段信息；
根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，包括：
根据每首歌曲的歌曲添加信息，确定每首歌曲被至少两个用户添加至所述预设歌单时的至少一个添加时间以及每个所述添加时间对应的参数信息；
根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间；
根据所述目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述每首歌曲的每个所述添加时间对应的参数信息，包括：
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值；
或者，
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值。
在一些可选的实现方式中，所述根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间，包括：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
在一些可选的实现方式中，所述根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间，包括：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
在一些可选的实现方式中，所述与所述添加时间相邻的至少两个其他添加时间，包括：与所述添加时间位置相邻的前一个其他添加时间，以及与所述添加时间位置相邻的后至少一个其他添加时间。
在一些可选的实现方式中，所述根据所述目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，包括：
响应于每首歌曲的每个所述目标添加时间相邻的添加时间不为目标添加时间，和/或每个所述目标添加时间对应的添加次数占比小于第五阈值，剔除所述目标添加时间；
基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，包括：
从剩余的目标添加时间中，筛选至少一个连续时间段，所述连续时间段基于连续的至少两个目标添加时间确定；
确定每个所述连续时间段的最小时间和最大时间；
根据每个所述连续时间段的最小时间和最大时间，获取每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述目标歌曲片段包括：目标音频片段和目标歌词片段。
在一些可选的实现方式中，所述方法还包括：
响应于歌曲库中任一目标歌曲的播放操作，在所述目标歌曲的播放进度条和歌词上，对所述目标歌曲的至少一个目标歌曲片段进行特殊显示。
在一些可选的实现方式中，所述方法还包括：
确定每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度；
确定每首歌曲的每个所述目标歌词片段对应的歌词关键词；
确定每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比；
根据每首歌曲的所述目标歌曲片段总数量、所述所有目标歌曲片段总长度、所述所有目标歌曲片段的添加次数占比、每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度，和每个所述目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量。
在一些可选的实现方式中，所述根据每首歌曲的所述目标歌曲片段总数量、所述所有目标歌曲片段总长度、所述所有目标歌曲片段的添加次数占比、每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度，和每个所述目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量，包括：
根据每首歌曲的所述目标歌曲片段总数量、所有目标歌曲片段总长度以及所有目标歌曲片段的添加次数占比，确定第一向量；
根据每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式以及所述歌曲调式的和弦序列，确定第二向量；
根据每首歌曲的每个所述目标音频片段对应的歌曲速度，确定第三向量；
根据每首歌曲的每个所述目标歌词片段对应的歌词关键词，确定第四向量；
将所述第一向量、所述第二向量、所述第三向量和所述第四向量进行拼接，得到每首歌曲的歌曲特征向量。
在一些可选的实现方式中，所述根据每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式以及所述歌曲调式下的和弦序列，确定第二向量，包括：
将每首歌曲的每个所述歌曲调式下的和弦序列还原成预设歌曲调式下的和弦序列，其中每个所述歌曲调式下的和弦序列与每个所述目标音频片段之间是一一对应的；
根据所述预设歌曲调式下的每个和弦序列，确定第一子向量；
根据每首歌曲的每个所述目标音频片段的歌曲调式、大小调式以及所述第一子向量，确定所述第二向量。
在一些可选的实现方式中，所述方法还包括：
响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量；
响应于所述用户针对所述预设歌单中任一歌曲的播放操作，确定所述歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度；
将相似度大于第一相似度阈值的其他歌曲推荐至所述用户。
在一些可选的实现方式中，所述响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量之后，还包括：
根据获取到的所有歌曲特征向量，确定所述用户的用户特征向量；
确定所述用户的用户特征向量与其他用户的用户特征向量之间的相似度；
将相似度大于第二相似度阈值的任意其他用户的预设歌单中的歌曲推荐至所述用户。
第二方面，本申请提供了一种歌曲片段的确定装置，包括：
获取模块，用于获取歌曲库中每首歌曲的歌曲添加信息，所述歌曲添加信息为每首歌曲被添加至预设歌单时的歌曲片段信息；
片段确定模块，用于根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述片段确定模块，包括：
信息确定单元，用于根据每首歌曲的歌曲添加信息，确定每首歌曲被至少两个用户添加至所述预设歌单时的至少一个添加时间以及每个所述添加时间对应的参数信息；
时间筛选单元，用于根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间；
片段确定单元，用于根据所述目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述每首歌曲的每个所述添加时间对应的参数信息，包括：
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值；
或者，
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值。
在一些可选的实现方式中，所述时间筛选单元，具体用于：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
在一些可选的实现方式中，所述时间筛选单元，具体用于：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
在一些可选的实现方式中，所述与所述添加时间相邻的至少两个其他添加时间，包括：与所述添加时间位置相邻的前一个其他添加时间，以及与所述添加时间位置相邻的后至少一个其他添加时间。
在一些可选的实现方式中，所述片段确定单元，具体用于：响应于每首歌曲的每个所述目标添加时间相邻的添加时间不为目标添加时间，和/或每个所述目标添加时间对应的添加次数占比小于第五阈值，剔除所述目标添加时间；基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述片段确定单元，还用于：从剩余的目标添加时间中，筛选至少一个连续时间段，所述连续时间段基于连续的至少两个目标添加时间确定；确定每个所述连续时间段的最小时间和最大时间；根据每个所述连续时间段的最小时间和最大时间，获取每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选的实现方式中，所述目标歌曲片段包括：目标音频片段和目标歌词片段。
在一些可选的实现方式中，还包括：
显示模块，用于响应于歌曲库中任一目标歌曲的播放操作，在所述目标歌曲的播放进度条和歌词上，对所述目标歌曲的至少一个目标歌曲片段进行特殊显示。
在一些可选的实现方式中，还包括：
第一确定模块，用于确定每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度；
第二确定模块，用于确定每首歌曲的每个所述目标歌词片段对应的歌词关键词；
第三确定模块，用于确定每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比；
第四确定模块，用于根据每首歌曲的所述目标歌曲片段总数量、所述所有目标歌曲片段总长度、所述所有目标歌曲片段的添加次数占比、每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度，和每个所述目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量。
在一些可选的实现方式中，所述第四确定模块，包括：
第一确定单元，用于根据每首歌曲的所述目标歌曲片段总数量、所有目标歌曲片段总长度以及所有目标歌曲片段的添加次数占比，确定第一向量；
第二确定单元，用于根据每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式以及所述歌曲调式的和弦序列，确定第二向量；
第三确定单元，用于根据每首歌曲的每个所述目标音频片段对应的歌曲速度，确定第三向量；
第四确定单元，用于根据每首歌曲的每个所述目标歌词片段对应的歌词关键词，确定第四向量；
拼接单元，用于按照预设拼接规则，将所述第一向量、所述第二向量、所述第三向量和所述第四向量进行拼接，得到每首歌曲的歌曲特征向量。
在一些可选的实现方式中，所述第二确定单元，具体用于：将每首歌曲的每个所述歌曲调式下的和弦序列还原成预设歌曲调式下的和弦序列，其中每个所述歌曲调式下的和弦序列与每个所述目标音频片段之间是一一对应的；根据所述预设歌曲调式下的每个和弦序列，确定第一子向量；根据每首歌曲的每个所述目标音频片段的歌曲调式、大小调式以及所述第一子向量，确定所述第二向量。
在一些可选的实现方式中，还包括：
向量获取模块，用于响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量；
第五确定模块，用于响应于所述用户针对所述预设歌单中任一歌曲的播放操作，确定所述歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度；
第一推荐模块，用于将相似度大于第一相似度阈值的其他歌曲推荐至所述用户。
在一些可选的实现方式中，还包括：
向量确定模块，用于根据获取到的所有歌曲特征向量，确定所述用户的用户特征向量；
第六确定模块，用于确定所述用户的用户特征向量与其他用户的用户特征向量之间的相似度；
第二推荐模块，用于将相似度大于第二相似度阈值的任意其他用户的预设歌单中的歌曲推荐至所述用户。
第三方面，本申请提供了一种电子设备，包括：
处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行如第一方面实施例所述的歌曲片段的确定方法。
第四方面，本申请提供了一种计算机可读存储介质，用于存储计算机程序，所述计算机程序使得计算机执行如第一方面实施例所述的歌曲片段的确定方法。
第五方面，本申请提供了一种包含程序指令的计算机程序产品，当程序指令在电子设备上运行时，使得电子设备执行如第一方面实施例所述的歌曲片段的确定方法。
本申请实施例公开的技术方案，至少具有如下有益效果：
通过获取歌曲库中每首歌曲的歌曲添加信息，以根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，由此可以基于用户针对歌曲的歌曲添加操作，确定出用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，可以向用户进行个性化歌曲推荐，从而改善推荐歌曲的内容偏差问题，提高歌曲推荐效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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的附图。
图1为本申请实施例提供的一种歌曲片段的确定方法的流程图；
图2为本申请实施例提供的一种确定每首歌曲中被用户喜欢的至少一个目标片段的流程图；
图3A为本申请实施例提供的一种筛选目标添加时间的流程图；
图3B为本申请实施例提供的另一种筛选目标添加时间的流程图；
图4为本申请实施例提供的一个具体筛选目标添加时间的示意图；
图5为本申请实施例提供的一种确定每首歌曲的目标歌曲片段的流程图；
图6为本申请实施例提供的一种获取目标歌曲片段的示意图；
图7为本申请实施例提供的一种确定每首歌曲的歌曲特征向量的流程图；
图8为本申请实施例提供的一个具体确定的某时候歌曲的歌曲特征向量示意图；
图9为本申请实施例提供的另一种歌曲片段的确定方法的流程图；
图10为本申请实施例提供的一种歌曲片段的确定装置的示意性框图；
图11是本申请实施例提供的一种电子设备的示意性框图；
图12是本申请实施例提供的一种计算机可读存储介质示意性框图。
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的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。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明，本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或方案不应被解释为比其它实施例或方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，除了另有说明，“多个”是指两个或两个以上，即至少两个。“至少一个”是指一个或一个以上。“任意”是指一个或多个。
考虑到目前用户通过音乐播放器播放歌曲过程中，如果喜欢某首歌曲时用户可以点击歌曲播放界面中的心形图标，将喜欢的歌曲添加到“我喜欢”歌单。但是，由于用户将某首歌曲添加到“我喜欢”歌单时，可能并不是喜欢这首歌曲中的全部内容，导致音乐播放器基于“我喜欢”歌单中的歌曲向用户推荐其他歌曲时推荐内容出现偏差，效果较差。
为了解决上述技术问题，本申请的发明构思在于：通过获取歌曲库中每首歌曲被用户添加至预设歌单时的歌曲片段信息，以根据歌曲片段信息确定歌曲库中每首歌曲被用户喜欢的目标歌曲片段，以实现基于用户针对歌曲的添加操作确定用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，向用户进行个性化歌曲推荐，从而改善推荐内容偏差的问题，提高歌曲推荐效果。
下面结合附图对本申请实施例提供的一种歌曲片段的确定方法、装置、设备和介质进行详细说明。
图1为本申请实施例提供的一种歌曲片段的确定方法的流程示意图。本申请实施例可适用于确定歌曲库中每首歌曲被用户喜欢的歌曲片段场景，该歌曲片段的确定方法可由歌曲片段的确定装置来执行。并且，该歌曲片段的确定装置可由硬件和/或软件组成，并可集成于电子设备中。在本申请实施例中，电子设备可选为具备数据处理功能的硬件设备，例如智能手机、平板电脑、掌上电脑、笔记本电脑、超级移动个人计算机（ultra-mobilepersonal computer，UMPC）、上网本、个人数字助理（personal digital assistant，PDA）、可穿戴设备以及服务器等，本申请对电子设备类型不做具体限制。
如图1所示，该方法可以包括如下步骤：
S101，获取歌曲库中每首歌曲的歌曲添加信息，歌曲添加信息为每首歌曲被添加至预设歌单时的歌曲片段信息。
本申请中，歌曲库是指与音乐播放器对应的歌曲库，或者与音乐播放器建立通信链接的服务器中的歌曲库等，此处对其不作任何限制。
上述预设歌单可以为用户的歌单，或者用户自己创建的收藏歌单等。其中，“我喜欢”歌单可以是用户使用音乐播放器时，音乐播放器自动为用户创建的独属于个人的一个歌单。上述收藏歌单可以是用户使用音乐播放器时自己创建的一个私人歌单，也可以是音乐播放器为用户自动创建的一个私人歌单等，本申请对此不作任何限制。
为了更为清楚的说明本申请技术方案，下面以预设歌单为“我喜欢”歌单为例进行具体说明。
考虑到现有的音乐播放器支持“我喜欢”功能，即用户使用音乐播放器播放歌曲过程中，采取了特定行为（比如：点亮红心、反复收听等）而使得该歌曲被添加到“我喜欢”歌单中。
此外，歌曲库中的每首歌曲均可能会被不同用户添加至各自对应的“我喜欢”歌单内。本申请的发明人发现，可以基于每首歌曲的歌曲添加信息，分析出大众用户针对每首歌曲的喜爱片段，从而基于每首歌曲中被大众用户喜爱的目标歌曲片段来向用户推荐更适合用户偏好的歌曲。
在本申请中，上述歌曲添加信息可以包括歌曲被添加至“我喜欢”歌单时的相关信息。诸如点亮红心的时间，点亮红心的次数，以及与点亮红心时间对应的一段歌曲旋律和/或一段歌曲歌词等。其中，点亮红心的时间可理解为添加时间，并且该添加时间具体为添加时间戳。
针对歌曲添加信息包括的添加时间，考虑到一首歌曲可能被同一个用户反复添加至“我喜欢”歌单，比如在第一时间将歌曲XX添加至“我喜欢”歌单，接着在第二时间将歌曲XX从“我喜欢”歌单中取消，然后在第三时间又将歌曲XX添加至“我喜欢”歌单，如此反复多次。那么，为了避免同一个用户针对某首歌曲的反复添加与取消操作，造成确定该歌曲的目标歌曲片段可靠性低的问题，本申请针对该种情况只记录用户最后一次将歌曲添加至“我喜欢”歌单且未触发取消操作的添加时间。
S102，根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
本申请中，目标歌曲片段可理解为引发用户共鸣的共情段落。
考虑到一首歌曲中包括有旋律和歌词，所以本申请中确定的目标歌曲片段可包括：目标音频片段和目标歌词片段。其中音频即为旋律。
在一些可选实施例中，本申请可通过分析每首歌曲的歌曲添加信息，并基于分析结果来确定每首歌曲中引起大众用户共鸣的目标歌曲片段。
作为一种可选的实现方式，本申请确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，可包括如下情况：
情况一，如果分析出任意歌曲的歌曲添加信息包括：多个添加时间，则确定每个添加时间对应的音频段落和歌词段落。接着，根据每个添加时间对应的音频段落和歌词段落，确定属于同首歌曲中同一部分的添加时间。之后，比较同首歌曲中同一部分的添加时间数量是否大于数量阈值。当大于数量阈值时，确定该部分的音频段落和歌词段落为该歌曲的目标歌曲片段。
上述数量阈值可根据实际需要进行灵活设置，比如4或5等，此处对其不作任何限制。
通常情况下，一首歌曲可包括如下部分：前奏部分、主歌部分、副歌部分、间奏部分以及尾奏部分。其中，前奏部分为歌曲进入主歌部分时的引子部分，用于提前预示歌曲的主题，渲染气氛。主歌部分为歌曲开始引入歌曲相关情绪和主题的部分，用于用户奠定感情基调。副歌部分为歌曲情绪最强烈的部分，又或者称之为歌曲的高潮部分。间奏部分为歌曲进行中由伴奏乐器演奏的连接部分，用于铺垫情绪。尾奏部分为歌曲的基本内容已经表达完成之后，用乐器或人声进行补充的部分，使得整首歌曲更为完美。
示例性的，假设某一歌曲的歌曲添加信息包括：添加时间1、添加时间2、添加时间3、添加时间4以及添加时间5且数量阈值为3。那么，分别确定这5个添加时间对应的音频段落和歌曲段落，可如下：添加时间1对应音频段落a和歌词段落a、添加时间2对应音频段落c和歌词段落c、添加时间3对应音频段落a和歌词段落a、添加时间4对应音频段落a和歌词段落a、添加时间5对应音频段落a和歌词段落a。当音频段落a和歌词段落a属于该歌曲的主歌部分，且位于主歌部分的添加时间数量大于预设数量阈值3时，确定该歌曲的主歌部分为目标歌曲片段。
情况二，如果分析出任意歌曲的歌曲添加信息包括：多个添加时间，以及每个添加时间对应的一段歌曲旋律和/或一段歌曲歌词，则根据每个添加时间对应的一段歌曲旋律和/或一段歌曲歌词，确定属于同首歌曲中同一部分的添加时间。之后，比较同首歌曲中同一部分的添加时间数量是否大于数量阈值。当大于数量阈值时确定该部分的音频段落和歌词段落为该歌曲的目标歌曲片段。
需要说明的是，上述几种情况仅作为对本申请技术方案的示例性说明，不作为对本申请的具体限制。
在确定每首歌曲的目标歌曲片段之后，当任意用户播放歌曲库中的任一歌曲时，本申请可在该歌曲的播放进度条和歌词上，对该歌曲的至少一个目标歌曲片段进行特殊显示，使得用户能够直观看到大众用户喜爱该首歌曲的具体歌曲片段。也即是，本申请可响应于歌曲库中任一目标歌曲的播放操作，在目标歌曲的播放进度条和歌词上，对该目标歌曲的至少一个目标歌曲片段进行特殊显示。
其中，特殊显示可选为但不限于：高亮显示、加粗显示、添加标注信息和字体变化等。本申请对目标歌曲片段进行特殊显示，只要能够与正常显示方式区分开来即可，此处对其不作任何限制。
本申请可根据用户的“我喜欢”歌单中歌曲的目标歌曲片段，来向用户进行更为精准的歌曲推荐，使得用户能够获取到符合个人喜好的个性化歌曲，从而改善推荐内容偏差的问题，提高歌曲推荐效果以及提高用户收听歌曲的个性化体验。
本申请提供的技术方案，通过获取歌曲库中每首歌曲的歌曲添加信息，以根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，由此可以基于用户针对歌曲的歌曲添加操作，确定出用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，可以向用户进行个性化歌曲推荐，从而改善推荐歌曲的内容偏差问题，提高歌曲推荐效果。
在前述实施例的基础上，下面结合图2对本申请中根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段进行进一步的解释说明。如图2所示，上述步骤S102可包括如下步骤：S102-1至S102-3：
S102-1，根据每首歌曲的歌曲添加信息，确定每首歌曲被至少两个用户添加至预设歌单时的至少一个添加时间以及每个添加时间对应的参数信息。
获取到每首歌曲的歌曲添加信息之后，本申请可通过分析每首歌曲的歌曲添加信息，来确定每首歌曲被至少两个用户添加至“我喜欢”歌单时的一个或一个以上添加时间。同时，通过基于每首歌曲的歌曲添加信息进行相应计算处理，来确定每个添加时间对应的参数信息。
关于上述每首歌曲对应一个或一个以上添加时间，是因为不同用户收听同一首歌曲时，可能喜欢的段落会有所区别。比如，用户A喜欢歌曲11中的段落aa，而用户B可能喜欢歌曲11中的段落cc等。所以，歌曲库中每首歌曲被不同用户添加至“我喜欢”歌单时，每首歌曲的添加时间可以有一个或一个以上。
也即是，一首歌曲可以在N个时间点被不同用户添加至各自的“我喜欢”歌单中。相应的，该首歌曲包括有N个添加时间。其中，N为大于1的正整数。
并且，当任意歌曲的添加时间为多个时，该歌曲的多个添加时间中可以存在多个添加时间为同一添加时间。比如某一歌曲的添加时间为K个，其中有M个添加时间为相同添加时间，其中M小于或等于K，且K为大于或等于2的正整数。
在一些可选实施例中，考虑到歌曲库中每首歌曲时刻都有可能被用户添加至自己的“我喜欢”歌单中，即歌曲添加信息是动态变化的。所以，为了能够准确且可靠的确定出歌曲的目标歌曲片段，本申请通过从歌曲库中获取每首歌曲最近一段时间内的歌曲添加信息，并基于这一段时间内的歌曲添加信息，来确定出每首歌曲中被大众用户喜爱的目标歌曲片段。
上述最近一段时间可根据实际需求灵活设置，例如获取最近30日每首歌曲的歌曲添加信息，或者获取最近10日每首歌曲的歌曲添加信息等，此处对其不作任何限制。
进而，本申请根据每首歌曲最近一段时间内的歌曲添加信息，可以确定每首歌曲被不同用户添加至各自的“我喜欢”歌单时的至少一个添加时间，以及每个添加时间对应的参数信息。
又因为一首歌曲的时间长度有几分钟。所以，为了便于确定每首歌曲的目标片段，本申请可对获取的每个歌曲添加信息包括的添加时间进行取整处理。作为一种可选实施例，本申请可按照四舍五入取整算法，对每个歌曲添加信息包括的添加时间进行取整处理。
示例性的，假设某一歌曲的歌曲添加信息包括的添加时间为2分16秒75，因为75大于50则四舍五入后，该首歌曲的添加时间变为2分17秒。
又例如，假设某一歌曲的歌曲添加信息包括的添加时间为3分12秒11，因为11小于50则四舍五入后，该歌曲的添加时间变为3分12秒。
考虑到每个添加时间对应有歌曲被添加至“我喜欢”歌单的次数信息，即添加次数。所以，本申请基于每首歌曲的歌曲添加信息确定出每首歌曲的至少一个添加时间之后，可根据每个添加时间对应的添加次数，来确定每首歌曲的每个添加时间对应的参数信息。
本申请中，每首歌曲的每个添加时间对应的参数信息，包括如下：
第一种，添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值。
第二种，添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值。
其中，添加次数用于表示每首歌曲在每个添加时间时，被不同用户添加至“我喜欢”歌单的次数，该添加次数可表示为。其中，/>为第i个添加时间，且/>，N为大于或等于2的正整数。
添加次数占比用于表示每首歌曲的每个添加时间对应的添加次数，与对应歌曲总添加次数的比值，该添加次数占比可表示为，且/>。其中，/>为第i个添加时间对应的添加次数，/>为第i个添加时间，且/>，N为大于或等于2的正整数。
添加次数与前一相邻添加时间对应的添加次数之间的比值，可表示为。其中，为第i个添加时间对应的添加次数，/>为第i个添加时间，/>为第i-1个添加时间对应的添加次数，/>为第i-1个添加时间，且/>，N为大于或等于2的正整数。
添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值，可表示为。其中，/>为第i个添加时间对应的添加次数占比，/>为第i-1个添加时间对应的添加次数占比。
添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值，可表示为。其中，/>为第i个添加时间对应的添加次数占比，/>为第i-1个添加时间对应的添加次数占比。
S102-2，根据每个添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间。
考虑到歌曲中一句完整歌词的播放时长至少为2秒，那么为了筛选出能够完整表达一种情绪的目标歌曲片段，本申请可将时间筛选条件设置为至少2秒，该时间筛选条件可根据不同歌曲类型进行灵活调整。
在一些可选实施例中，本申请可首先根据时间筛选条件，确定每首歌曲的每个添加时间对应的多个目标相邻时间，接着根据每个添加时间对应的参数信息，以及每个目标相邻时间对应的参数信息，来确定每个添加时间是否为目标添加时间。由此可以从每首歌曲的所有添加时间中筛选出一个或一个以上的目标添加时间。
考虑到添加时间对应的参数信息包括两种，具体参见前述步骤S102-1部分。所以，本申请根据每个添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间，可包括两种方式。下面结合图3A和图3B对这两种筛选方式进行具体说明。
首先，基于图3A对第一种筛选方式进行说明。如图3A所示，该筛选方式包括如下步骤：
步骤31A，确定每首歌曲的每个添加时间对应的目标时间窗口，目标时间窗口包括：与目标时间窗口对应的任一添加时间，以及与添加时间相邻的至少两个其他添加时间。
上述目标时间窗口可基于前述时间筛选条件来确定。因为传统歌曲中一句完整歌词的播放时长通常为4秒甚至更多为主。所以，本申请中目标时间窗口可以上述4秒为例来设置目标时间窗口。示例性的，假设时间筛选条件为4秒，那么基于歌曲情绪表达的连贯性，确定第i个添加时间对应的目标时间窗口为或/>。
考虑到一首歌曲中能够引起用户共鸣的段落，通常是歌曲中情绪连续上升的部分。所以，本申请中每个添加时间对应的目标时间窗口，优选为与每个添加时间位置相邻的前一其他添加时间，以及与该添加时间位置相邻的后至少一个其他添加时间。
继续以上述示例进行说明，由于这一目标时间窗口，相较于目标时间窗口更能体现出歌曲情绪是连续上升的状态。所以确定为第i个添加时间对应的目标时间窗口。
步骤32A，响应于每首歌曲的任意目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值，筛选目标时间窗口对应的添加时间为每首歌曲的目标添加时间。
确定出每首歌曲的每个添加时间对应的目标时间窗口之后，本申请可确定每首歌曲的每个目标时间窗口内的每个添加时间所对应的参数信息是否满足预设条件。其中，预设条件包括：添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值。
上述次数阈值、第一阈值、第二阈值以及第三阈值为可调参数，具体根据实际需要进行灵活设置。
其中，当每首歌曲的一个或一个以上目标时间窗口内的一个或一个以上添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值时，确定每首歌曲的上述一个或一个以上目标时间窗口对应的添加时间为目标添加时间。
当每首歌曲的一个或一个以上目标时间窗口内的一个或一个以上添加时间对应的添加次数小于或等于次数阈值、添加次数占比小于或等于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值小于或等于第二阈值，和/或添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值小于或等于第三阈值时，确定每首歌曲的上述一个或一个以上目标时间窗口对应的添加时间不为目标添加时间。
下面通过一个具体示例，对从每首歌曲的所有添加时间中筛选至少一个目标添加时间进行解释说明。如图4所示，假设某一歌曲的添加时间包括9个，分别为第X分钟第6秒、第X分钟第7秒、第X分钟第8秒、第X分钟第9秒、第X分钟第10秒、第X分钟第11秒、第X分钟第12秒、第X分钟第13秒以及第X分钟第14秒，且次数阈值为2、第一阈值为0.001、第二阈值为0.99以及第三阈值为0.001。在图4中，第X分钟第7秒对应的目标时间窗口为包括第X分钟第6秒、第X分钟第7秒、第X分钟第8秒和第X分钟第9秒的第一时间窗口，第X分钟第8秒对应的目标时间窗口为包括第X分钟第7秒、第X分钟第8秒、第X分钟第9秒和第X分钟第10秒的第二时间窗口，第X分钟第9秒对应的目标时间窗口为包括第X分钟第8秒、第X分钟第9秒、第X分钟第10秒和第X分钟第11秒的第三时间窗口，第X分钟第10秒对应的目标时间窗口为包括第X分钟第9秒、第X分钟第10秒、第X分钟第11秒和第X分钟第12秒第四时间窗口，第X分钟第11秒对应的目标时间窗口为包括第X分钟第10秒、第X分钟第11秒、第X分钟第12秒和第X分钟第13秒的第五时间窗口，第X分钟第12秒对应的目标时间窗口为包括第X分钟第11秒、第X分钟第12秒、第X分钟第13秒以及第X分钟第14秒的第六时间窗口。那么，基于每个目标时间窗口内的各添加时间对应的参数信息和各阈值，确定出该歌曲的第X分钟第8秒至第X分钟第12秒的5个添加时间为目标添加时间。
接着，基于图3B对第二种筛选方式进行说明。如图3B所示，该筛选方式包括如下步骤：
步骤31B，确定每首歌曲的每个添加时间对应的目标时间窗口，目标时间窗口包括：与目标时间窗口对应的任一添加时间，以及与添加时间相邻的至少两个其他添加时间。
步骤32B，响应于每首歌曲的任意目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值，筛选目标时间窗口对应的添加时间为每首歌曲的目标添加时间。
确定出每首歌曲的每个添加时间对应的目标时间窗口之后，本申请可确定每首歌曲的每个目标时间窗口内的每个添加时间所对应的参数信息是否满足预设条件。其中，预设条件包括：添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值。
上述次数阈值、第一阈值、第二阈值以及第四阈值为可调参数，具体根据实际需要进行灵活设置。
其中，当每首歌曲的一个或一个以上目标时间窗口内的一个或一个以上添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值时，确定每首歌曲的上述一个或一个以上目标时间窗口对应的添加时间为目标添加时间。
当每首歌曲的一个或一个以上目标时间窗口内的一个或一个以上添加时间对应的添加次数小于或等于次数阈值、添加次数占比小于或等于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值小于或等于第二阈值，和/或添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值小于或等于第四阈值时，确定每首歌曲的上述一个或一个以上目标时间窗口对应的添加时间不为目标添加时间。
S102-3，根据目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选实施例中，可基于每首歌曲的目标添加时间，从每首歌曲中获取与目标添加时间相对应的歌曲片段，并将该歌曲片段确定为被大众用户喜欢的目标歌曲片段。
本申请通过基于每首歌曲的歌曲添加信息，确定每首歌曲被添加至预设歌单时的添加时间以及每个添加时间对应的参数信息，并根据每个添加时间对应的参数信息和时间筛选条件，为每首歌曲筛选目标添加时间，然后根据目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，由此可以基于用户针对歌曲的歌曲添加操作，确定出用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，可以向用户进行个性化歌曲推荐，从而改善推荐歌曲的内容偏差问题，提高歌曲推荐效果。
下面结合图5，对图2中根据目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段进行优化说明。如图5所示，上述步骤S102-3可包括如下步骤：S102-3A至S102-3B：
S102-3A,响应于每首歌曲的每个目标添加时间相邻的添加时间不为目标添加时间，和/或每个目标添加时间对应的添加次数占比小于第五阈值，剔除目标添加时间。
其中，第五阈值为可调参数，可根据目标添加时间筛选需求进行灵活设置。例如，第五阈值为1%等，本申请对此不作任何限制。
考虑到一些歌曲的目标添加时间可能是离散的独立时间，即任意目标添加时间的前一添加时间以及后一添加时间均不为目标添加时间。而且，独立的一个添加时间因时长过于短暂而无法表达出任何情绪。所以，本申请为每首歌曲筛选出至少一个目标添加时间之后，可确定每首歌曲的每个目标添加时间的前后相邻添加时间是否为目标添加时间。如果任意目标添加时间的前后相邻添加时间均不为目标添加时间，则确定该目标添加时间为离散的独立时间。此时，认为该目标添加时间可能是用户误操作导致将歌曲添加至“我喜欢”歌单，此时将该目标添加时间剔除掉，以减少确定每首歌曲中被大众用户喜爱的目标歌曲片段干扰，从而提高目标歌曲片段的确定准确性。
在一些可选实施例中，当确定每首歌曲的每个目标添加时间的前后相邻添加时间均为目标添加时间，但任意目标添加时间对应的添加次数占比小于或等于第五阈值，此时说明该目标添加时间也可能是用户误操作导致将歌曲添加至“我喜欢”歌单，此时可将该目标添加时间剔除掉，以减少确定每首歌曲中被大众用户喜爱的目标歌曲片段干扰，从而提高目标歌曲片段的确定准确性。
也即是，本申请当每首歌曲的位置相邻且连续的多个目标添加时间，且多个目标添加时间对应的添加次数占比大于或等于第五阈值的目标添加时间保留下来，从而基于这些保留下来的目标添加时间来确定目标歌曲片段。
S102-3B,基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
在一些可选实施例中，考虑到连续时间可以完整表达出任何情绪，所以本申请可基于每首歌曲的剩余目标添加时间，确定位置相邻且连续的至少一个连续时间段。接着，分析每个连续时间段中的开始时间和结束时间。然后，以开始时间为起点，以结束时间为终点，从每首歌曲中获取对应的歌曲片段，并将获取到的歌曲片段确定为被大众用户喜爱的目标歌曲片段。
作为一种可选实现方式，当某一歌曲的一个连续时间段的开始时间为，结束时间为/>，那么可基于上述开始时间/>和结束时间/>，从该歌曲中获取到的歌曲片段为/>，且/>，其中/>表示不超过t的最大整数，且t为连续时间段。
示例性的，如图6所示，当确定某一歌曲的连续时间段开始时间为第X分钟第8秒，结束时间为第X分钟第13秒，那么从该歌曲中获取从第8秒开始至13秒结束的歌曲片段为目标歌曲片段。其中，该连续时间段的时间长度为5，且该时间段中所有添加时间对应的添加次数占比大于或等于第五阈值，此时确定时间位于[8,14)的歌词以及旋律均符合提取条件，那么可提取添加时间[8,14)对应的两句歌词为：微微晨光点亮这喧嚣世界，微微温暖融化昨夜的冰雪以及这两句歌词对应的旋律。
也即是，本申请基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，具体为从剩余的目标添加时间中，筛选至少一个连续时间段，连续时间段基于连续的至少两个目标添加时间确定；确定每个连续时间段的最小时间和最大时间；根据每个连续时间段的最小时间和最大时间，获取每首歌曲中被用户喜欢的至少一个目标歌曲片段。其中，最小时间可理解为开始时间，最大时间可理解为结束时间。
本申请通过对每首歌曲中离散的目标添加时间，和/或目标添加时间对应添加次数占比过小的目标添加时间剔除，可以避免因用户误操作导致将歌曲添加至预设歌单，可以减少确定每首歌曲中被大众用户喜爱的目标歌曲片段干扰，从而提高目标歌曲片段的确定准确性。
在一种可选实现场景下，当确定出歌曲库中每首歌曲的目标歌曲片段之后，本申请还可基于每首歌曲的目标歌曲片段，确定每首歌曲的歌曲特征向量，使得后续基于每首歌曲的歌曲特征向量可以向用户推荐更符合用户个人需求的个性化歌曲，从而实现个性化歌曲推荐效果。下面结合图7，对本申请中确定每首歌曲的歌曲特征向量进行详细说明。
如图7所示，该方法可包括如下步骤：
S201，确定每首歌曲的每个目标音频片段对应的歌曲调式、大小调式、歌曲调式的和弦序列以及歌曲速度。
在一些可选实施例中，可基于音频识别算法，从每首歌曲的每个目标音频片段中提取歌曲调式、大小调式、歌曲调式的和弦序列以及歌曲速度。其中，音频识别算法可选为但不限于：和弦提取器、和弦拾取工具以及其他任意能够从歌曲音频中获取到歌曲调式、大小调式、歌曲调式的和弦序列以及歌曲速度的算法或设备，本申请对此不作任何限制。其中，和弦提取器可选为chord-extrator等。
需要说明的是，本申请中从每首歌曲的每个目标音频片段，获取歌曲调式、大小调式、歌曲调式的和弦序列以及歌曲速度，也可以采用现有获取方式来获取，此处对其不作过多赘述。
S202，确定每首歌曲的每个目标歌词片段对应的歌词关键词。
在一些可选实施例中，可基于关键词提取方式，从每首歌曲的每个目标歌词片段中提取对应的歌词关键词。例如，基于词频-逆文档频次算法（TF-IDF算法），从每首歌曲的每个目标歌词片段中提取对应的歌词关键词。又例如，基于TextRank算法，从每首歌曲的每个目标歌词片段中提取对应的歌词关键词。当然也可以采用其他方式来提取目标歌词片段的歌词关键词，只要能从目标歌词片段中提取到歌词关键词均可，本申请不作任何限制。
S203，确定每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比。
S204，根据每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比、每个目标音频片段对应的歌曲调式、大小调式、歌曲调式的和弦序列以及歌曲速度，和每个目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量。
在一些可选实施例中，可基于每首歌曲的目标歌曲片段，来计算每首歌曲的目标歌曲片段总数量以及所有目标歌曲片段总长度。同时，基于每首歌曲的每个目标歌曲片段中添加时间对应添加次数，来计算所有目标歌曲片段的添加次数占比。
进而，可以根据每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比、每个目标音频片段对应的歌曲调式、大小调式、歌曲调式的和弦序列以及歌曲速度，和每个目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量。
作为一种可选实现方式，确定每首歌曲的歌曲特征向量，可包括如下步骤：
第一步，根据每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度以及所有目标歌曲片段的添加次数占比，确定第一向量。
上述第一向量是将每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度以及所有目标歌曲片段的添加次数占比组成的三元组，得到第一向量。
第二步，根据每首歌曲的每个目标音频片段对应的歌曲调式、大小调式以及歌曲调式的和弦序列，确定第二向量。
可选的，确定第二向量可通过将每首歌曲的每个歌曲调式下的和弦序列还原成预设歌曲调式下的和弦序列，其中每个歌曲调式下的和弦序列与每个目标音频片段之间是一一对应的。接着，根据预设歌曲调式下的每个和弦序列，确定第一子向量。之后，根据每首歌曲的每个目标音频片段的歌曲调式、大小调式以及第一子向量，确定所述第二向量。
上述预设歌曲调式可选为C调、G调或F调等调式，此处对其不作任何限制。
其中，第一子向量为一个稀疏的一维向量。
考虑到和弦可以对应不同歌曲调式，比如C调、G调或F调，而每种歌曲调式都会对应成百上千个和弦。如果直接基于和弦序列来确定第一子向量，就需要将和弦序列与每种歌曲调式对应的和弦进行比对，以确定和弦序列命中了每种歌曲调式对应的哪些和弦，以基于命中的和弦以及未命中的和弦确定第一字向量，这不仅维度多，且处理难度较大。
所以，为了简化确定第一子向量方式，本申请通过设定一种固定歌曲调式（预设歌曲调式），并将和弦序列还原换成该固定歌曲调式下的和弦序列。进而，基于该固定歌曲调式的和弦序列，与该固定歌曲调式对应的和弦进行比对，以确定该和弦序列中各和弦命中了该固定歌曲调式对应的哪些和弦，以基于命中的和弦以及未命中的和弦确定第一子向量。其中，命中的和弦可通过数值1表示，未命中的和弦可通过数值0表示。也即是，第一子向量是由多个1和多个0组成的一维向量。
在一些可选实施例中，本申请还可以从固定歌曲调式对应的和弦中，获取最常用的多个目标和弦。进而，基于该固定歌曲调式的和弦序列中各和弦，与多个目标和弦进行比对，以确定该和弦序列中各和弦命中了该固定歌曲调式对应的哪些目标和弦，以基于命中的目标和弦以及未命中的目标和弦确定第一子向量。由此，可以进一步降低确定第一子向量难度，减少数据的处理量。
示例性的，假设预设歌曲调式为C调，且该C调最常用的多个目标和弦数量为600个，那么将还原成C调下的和弦序列之后，可将C调下的和弦序列中各和弦与600个最常用的目标和弦进行比对，以根据命中结果和未命中结果得到第一子向量。
第三步，根据每首歌曲的每个目标音频片段对应的歌曲速度，确定第三向量。
具体是将每首歌曲的每个目标音频片段对应的歌曲速度作为第三向量。
第四步，根据每首歌曲的每个目标歌词片段对应的歌词关键词，确定第四向量。
在一些可选实施例中，本申请可从歌曲库中每个歌曲的歌词中提取多个歌词关键词，然后从所有歌词关键词中获取最常使用的多个目标歌词关键词。进而，将每首歌曲的每个目标歌词片段对应的歌词关键词，与多个目标歌词关键词进行比对，以确定每首歌曲的每个目标歌词片段对应的歌词关键词，命中了哪些目标歌词关键词。然后，基于命中的目标歌词关键词以及未命中的目标歌词关键词确定第四向量。其中，命中的歌词关键词可通过数值1表示，未命中的歌词关键词可通过数值0表示。也即是，第四向量是由多个1和多个0组成的一维向量。
本申请中，上述最常使用的多个目标歌词关键词可选为120或130等，此处对其不作任何限制。
第五步，将第一向量、第二向量、第三向量和第四向量进行拼接，得到每首歌曲的歌曲特征向量。
在一些可选实施例中，本申请可按照预设拼接顺序，拼接第一向量、第二向量、第三向量和第四向量得到每首歌曲的歌曲特征向量。
作为一种可选的实现方式，假设预设拼接顺序为第一向量→第二向量→第四向量→第三向量的拼接顺序，那么按照该拼接顺序将第一向量、第二向量、第三向量以及第四向量进行拼接，可得到每首歌曲的歌曲特征向量。示例性的，某首歌曲的歌曲特征向量，可如图8所示。
本申请提供的技术方案，通过获取歌曲库中每首歌曲的歌曲添加信息，以根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，由此可以基于用户针对歌曲的歌曲添加操作，确定出用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，可以向用户进行个性化歌曲推荐，从而改善推荐歌曲的内容偏差问题，提高歌曲推荐效果。此外，通过基于每首歌曲的目标歌曲片段，确定每首歌曲的歌曲特征向量，从而可以在歌曲推荐场景下利用每首歌曲的歌曲特征向量来进行歌曲推荐操作，并且，通过将目标歌曲片段来表示歌曲的特征，可以实现对歌曲的复杂信息的降维，从而能够降低歌曲推荐的计算复杂度，提高歌曲推荐效率。
在另一可选实现场景中，考虑到用户喜欢的歌曲能够反映出用户的个人喜好，而每首歌曲都有各自的歌曲特征向量，所以本申请可以基于用户喜欢的歌曲来向用户进行个性化歌曲推荐。那么根据图8确定的每首歌曲的歌曲特征向量，结合图9对本申请中基于歌曲库中每首歌曲的歌曲特征向量，向用户进行歌曲推荐进行具体说明。
如图9所示，该方法可以包括如下步骤：
S301，响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量。
S302，响应于用户针对预设歌单中任一歌曲的播放操作，确定歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度。
S303，将相似度大于第一相似度阈值的其他歌曲推荐至用户。
其中，其他歌曲是指除了当前播放的歌曲之外的任意首歌曲。
第一相似度阈值可根据歌曲推荐精度进行灵活设置，比如90%、95%等，此处不作任何限制。
在一些可选实施例中，本申请可采用任何一种相似度计算方式，来计算歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度。诸如，可以采用余弦相似性方式或汉明距离等方式，来计算歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度等，此处对其不作任何限制。
进而，将相似度与第一相似度阈值进行比较。如果相似度大于第一相似度阈值，则说明其他歌曲的目标歌曲片段长度、调式以及旋律等与当前播放歌曲相似，此时可将该其他歌曲作为推荐歌曲推荐给用户，从而实现基于用户喜欢的歌曲向用户进行个性化的歌曲推荐，提高了歌曲推荐效果。
在一些可选实施例中，考虑到拥有相似目标歌曲片段的用户之间也具有一定相似度。所以，本申请根据用户登录操作，获取到用户预设歌单中每首歌曲的歌曲特征向量之后，可选的可以根据获取到的所有歌曲特征向量，确定用户的用户特征向量。接着，基于用户的用户特征向量，确定用户的用户特征向量与其他用户的用户特征向量之间的相似度。然后，根据相似度，将其他用户的预设歌单中的歌曲作为推荐歌曲，推荐给该用户，以实现基于相似用户来实现歌曲推荐效果。
上述用户特征向量是将同一用户的预设歌单中每个歌曲的歌曲特征向量构成的向量集合，作为用户特征向量。
上述其他用户是指除了该用户之外的任意用户。
本申请中，确定用户的用户特征向量与其他用户的用户特征向量之间的相似度，可与前述确定歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度的实现方式相同或类似，具体可参见前述部分。
当确定出用户的用户特征向量与其他用户的用户特征向量之间的相似度之后，可将相似度与第二相似度阈值进行比较。如果相似度大于第二相似度阈值，则说明该用户与其他用户喜欢相似的歌曲，此时可将该其他用户预设歌单中的歌曲作为推荐歌曲推荐给用户。
其中，第二相似度阈值为可调参数，可根据歌曲推荐精度进行灵活设置，比如90%、95%等，此处不作任何限制。
本申请提供的技术方案，通过获取歌曲库中每首歌曲的歌曲添加信息，以根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，由此可以基于用户针对歌曲的歌曲添加操作，确定出用户喜欢的歌曲片段，从而基于用户喜欢的歌曲片段，可以向用户进行个性化歌曲推荐，从而改善推荐歌曲的内容偏差问题，提高歌曲推荐效果。此外，本申请还可以实现基于相似用户来实现歌曲推荐效果，从而可以增加歌曲推荐方式，使得歌曲推荐具有多样性。
下面参照附图10，对本申请实施例提出的一种歌曲片段的确定装置进行描述。图10为本申请实施例提供的一种歌曲片段的确定装置的示意性框图。
如图10所示，该歌曲片段的确定装置400包括：获取模块410和片段确定模块420。
其中，获取模块410，用于获取歌曲库中每首歌曲的歌曲添加信息，所述歌曲添加信息为每首歌曲被添加至预设歌单时的歌曲片段信息；
片段确定模块420，用于根据每首歌曲的歌曲添加信息，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
本申请实施例的一种可选实现方式，所述片段确定模块420，包括：
信息确定单元，用于根据每首歌曲的歌曲添加信息，确定每首歌曲被至少两个用户添加至所述预设歌单时的至少一个添加时间以及每个所述添加时间对应的参数信息；
时间筛选单元，用于根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间；
片段确定单元，用于根据所述目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
本申请实施例的一种可选实现方式，所述每首歌曲的每个所述添加时间对应的参数信息，包括：
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值；
或者，
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值。
本申请实施例的一种可选实现方式，所述时间筛选单元，具体用于：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
本申请实施例的一种可选实现方式，所述时间筛选单元，具体用于：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
本申请实施例的一种可选实现方式，所述与所述添加时间相邻的至少两个其他添加时间，包括：与所述添加时间位置相邻的前一个其他添加时间，以及与所述添加时间位置相邻的后至少一个其他添加时间。
本申请实施例的一种可选实现方式，所述片段确定单元，具体用于：响应于每首歌曲的每个所述目标添加时间相邻的添加时间不为目标添加时间，和/或每个所述目标添加时间对应的添加次数占比小于第五阈值，剔除所述目标添加时间；基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
本申请实施例的一种可选实现方式，所述片段确定单元，还用于：从剩余的目标添加时间中，筛选至少一个连续时间段，所述连续时间段基于连续的至少两个目标添加时间确定；确定每个所述连续时间段的最小时间和最大时间；根据每个所述连续时间段的最小时间和最大时间，获取每首歌曲中被用户喜欢的至少一个目标歌曲片段。
本申请实施例的一种可选实现方式，所述目标歌曲片段包括：目标音频片段和目标歌词片段。
本申请实施例的一种可选实现方式，还包括：
显示模块，用于响应于歌曲库中任一目标歌曲的播放操作，在所述目标歌曲的播放进度条和歌词上，对所述目标歌曲的至少一个目标歌曲片段进行特殊显示。
本申请实施例的一种可选实现方式，还包括：
第一确定模块，用于确定每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度；
第二确定模块，用于确定每首歌曲的每个所述目标歌词片段对应的歌词关键词；
第三确定模块，用于确定每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比；
第四确定模块，用于根据每首歌曲的所述目标歌曲片段总数量、所述所有目标歌曲片段总长度、所述所有目标歌曲片段的添加次数占比、每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度，和每个所述目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量。
本申请实施例的一种可选实现方式，所述第四确定模块，包括：
第一确定单元，用于根据每首歌曲的所述目标歌曲片段总数量、所有目标歌曲片段总长度以及所有目标歌曲片段的添加次数占比，确定第一向量；
第二确定单元，用于根据每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式以及所述歌曲调式的和弦序列，确定第二向量；
第三确定单元，用于根据每首歌曲的每个所述目标音频片段对应的歌曲速度，确定第三向量；
第四确定单元，用于根据每首歌曲的每个所述目标歌词片段对应的歌词关键词，确定第四向量；
拼接单元，用于按照预设拼接规则，将所述第一向量、所述第二向量、所述第三向量和所述第四向量进行拼接，得到每首歌曲的歌曲特征向量。
本申请实施例的一种可选实现方式，所述第二确定单元，具体用于：将每首歌曲的每个所述歌曲调式下的和弦序列还原成预设歌曲调式下的和弦序列，其中每个所述歌曲调式下的和弦序列与每个所述目标音频片段之间是一一对应的；根据所述预设歌曲调式下的每个和弦序列，确定第一子向量；根据每首歌曲的每个所述目标音频片段的歌曲调式、大小调式以及所述第一子向量，确定所述第二向量。
本申请实施例的一种可选实现方式，还包括：
向量获取模块，用于响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量；
第五确定模块，用于响应于所述用户针对所述预设歌单中任一歌曲的播放操作，确定所述歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度；
第一推荐模块，用于将相似度大于第一相似度阈值的其他歌曲推荐至所述用户。
本申请实施例的一种可选实现方式，还包括：
向量确定模块，用于根据获取到的所有歌曲特征向量，确定所述用户的用户特征向量；
第六确定模块，用于确定所述用户的用户特征向量与其他用户的用户特征向量之间的相似度；
第二推荐模块，用于将相似度大于第二相似度阈值的任意其他用户的预设歌单中的歌曲推荐至所述用户。
应理解的是，装置实施例与方法实施例可以相互对应，类似的描述可以参照方法实施例。为避免重复，此处不再赘述。具体地，图10所示的装置400可以执行图1对应的方法实施例，并且装置400中的各个模块的前述和其它操作和/或功能分别为了实现图1中的各个方法中的相应流程，为了简洁，在此不再赘述。
上文中结合附图从功能模块的角度描述了本申请实施例的装置400。应理解，该功能模块可以通过硬件形式实现，也可以通过软件形式的指令实现，还可以通过硬件和软件模块组合实现。具体地，本申请实施例中的方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路和/或软件形式的指令完成，结合本申请实施例公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。可选地，软件模块可以位于随机存储器，闪存、只读存储器、可编程只读存储器、电可擦写可编程存储器、寄存器等本领域的成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的资讯，结合其硬件完成上述方法实施例中的步骤。
图11是本申请实施例提供的一种电子设备的示意性框图。
如图11所示，该电子设备500可包括：
存储器510和处理器520，该存储器510用于存储计算机程序，并将该程序代码传输给该处理器520。换言之，该处理器520可以从存储器510中调用并运行计算机程序，以实现本申请实施例中的歌曲片段的确定方法。
例如，该处理器520可用于根据该计算机程序中的指令执行上述方法实施例。
在本申请的一些实施例中，该处理器520可以包括但不限于：
通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（FieldProgrammable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等等。
在本申请的一些实施例中，该存储器510包括但不限于：
易失性存储器和/或非易失性存储器。其中，非易失性存储器可以是只读存储器（Read-Only Memory，ROM）、可编程只读存储器（Programmable ROM，PROM）、可擦除可编程只读存储器（Erasable PROM，EPROM）、电可擦除可编程只读存储器（Electrically EPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（Random Access Memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（Static RAM，SRAM）、动态随机存取存储器（Dynamic RAM，DRAM）、同步动态随机存取存储器（Synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（Double DataRate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（Enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（synch link DRAM，SLDRAM）和直接内存总线随机存取存储器（Direct Rambus RAM，DR RAM）。
在本申请的一些实施例中，该计算机程序可以被分割成一个或多个模块，该一个或者多个模块被存储在该存储器510中，并由该处理器520执行，以完成本申请提供的方法。该一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述该计算机程序在该电子设备中的执行过程。
如图11所示，该电子设备还可包括：
收发器530，该收发器530可连接至该处理器520或存储器510。
其中，处理器520可以控制该收发器530与其他设备进行通信，具体地，可以向其他设备发送信息或数据，或接收其他设备发送的信息或数据。收发器530可以包括发射机和接收机。收发器530还可以进一步包括天线，天线的数量可以为一个或多个。
应当理解，该电子设备中的各个组件通过总线系统相连，其中，总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。
本申请实施例还提供了一种计算机可读存储介质，该存储介质用于存储计算机程序，计算机程序使得计算机执行如上述方法实施例的歌曲片段的确定方法，具体如图12所示。其中，图12中计算机可读存储介质为600，计算机程序为610。
本申请实施例还提供一种包含程序指令的计算机程序产品，该程序指令在电子设备上运行时，使得电子设备执行上述方法实施例的歌曲片段的确定方法。
当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例该的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。该计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线（例如同轴电缆、光纤、数字用户线（digital subscriber line，DSL））或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如数字视频光盘（digital video disc，DVD））、或者半导体介质（例如固态硬盘（solid state disk，SSD））等。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，该模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个模块或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。例如，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。
本申请实施例中，术语“模块”或“单元”是指有预定功能的计算机程序或计算机程序的一部分，并与其他相关部分一起工作以实现预定目标，并且可以通过使用软件、硬件（如处理电路或存储器）或其组合来全部或部分实现。同样的，一个处理器（或多个处理器或存储器）可以用来实现一个或多个模块或单元。此外，每个模块或单元都可以是包含该模块或单元功能的整体模块或单元的一部分。
以上所述，仅为本申请的具体实施方式，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以该权利要求的保护范围为准。
Claims (30)
1.一种歌曲片段的确定方法，其特征在于，包括：
获取歌曲库中每首歌曲的歌曲添加信息，所述歌曲添加信息为每首歌曲被添加至预设歌单时的歌曲片段信息；
根据每首歌曲的歌曲添加信息，确定每首歌曲被至少两个用户添加至所述预设歌单时的至少一个添加时间以及每个所述添加时间对应的参数信息；
根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间；
根据所述目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
2.根据权利要求1所述的方法，其特征在于，所述每首歌曲的每个所述添加时间对应的参数信息，包括：
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值；
或者，
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值。
3.根据权利要求2所述的方法，其特征在于，所述根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间，包括：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
4.根据权利要求2所述的方法，其特征在于，所述根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间，包括：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
5.根据权利要求3或4所述的方法，其特征在于，所述与所述添加时间相邻的至少两个其他添加时间，包括：与所述添加时间位置相邻的前一个其他添加时间，以及与所述添加时间位置相邻的后至少一个其他添加时间。
6.根据权利要求1所述的方法，其特征在于，所述根据所述目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，包括：
响应于每首歌曲的每个所述目标添加时间相邻的添加时间不为目标添加时间，和/或每个所述目标添加时间对应的添加次数占比小于第五阈值，剔除所述目标添加时间；
基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
7.根据权利要求6所述的方法，其特征在于，所述基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段，包括：
从剩余的目标添加时间中，筛选至少一个连续时间段，所述连续时间段基于连续的至少两个目标添加时间确定；
确定每个所述连续时间段的最小时间和最大时间；
根据每个所述连续时间段的最小时间和最大时间，获取每首歌曲中被用户喜欢的至少一个目标歌曲片段。
8.根据权利要求1所述的方法，其特征在于，所述目标歌曲片段包括：目标音频片段和目标歌词片段。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
响应于歌曲库中任一目标歌曲的播放操作，在所述目标歌曲的播放进度条和歌词上，对所述目标歌曲的至少一个目标歌曲片段进行特殊显示。
10.根据权利要求8所述的方法，其特征在于，所述方法还包括：
确定每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度；
确定每首歌曲的每个所述目标歌词片段对应的歌词关键词；
确定每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比；
根据每首歌曲的所述目标歌曲片段总数量、所述所有目标歌曲片段总长度、所述所有目标歌曲片段的添加次数占比、每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度，和每个所述目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量。
11.根据权利要求10所述的方法，其特征在于，所述根据每首歌曲的所述目标歌曲片段总数量、所述所有目标歌曲片段总长度、所述所有目标歌曲片段的添加次数占比、每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度，和每个所述目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量，包括：
根据每首歌曲的所述目标歌曲片段总数量、所有目标歌曲片段总长度以及所有目标歌曲片段的添加次数占比，确定第一向量；
根据每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式以及所述歌曲调式的和弦序列，确定第二向量；
根据每首歌曲的每个所述目标音频片段对应的歌曲速度，确定第三向量；
根据每首歌曲的每个所述目标歌词片段对应的歌词关键词，确定第四向量；
将所述第一向量、所述第二向量、所述第三向量和所述第四向量进行拼接，得到每首歌曲的歌曲特征向量。
12.根据权利要求11所述的方法，其特征在于，所述根据每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式以及所述歌曲调式下的和弦序列，确定第二向量，包括：
将每首歌曲的每个所述歌曲调式下的和弦序列还原成预设歌曲调式下的和弦序列，其中每个所述歌曲调式下的和弦序列与每个所述目标音频片段之间是一一对应的；
根据所述预设歌曲调式下的每个和弦序列，确定第一子向量；
根据每首歌曲的每个所述目标音频片段的歌曲调式、大小调式以及所述第一子向量，确定所述第二向量。
13.根据权利要求10至12任一项所述的方法，其特征在于，所述方法还包括：
响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量；
响应于所述用户针对所述预设歌单中任一歌曲的播放操作，确定所述歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度；
将相似度大于第一相似度阈值的其他歌曲推荐至所述用户。
14.根据权利要求13所述的方法，其特征在于，所述响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量之后，还包括：
根据获取到的所有歌曲特征向量，确定所述用户的用户特征向量；
确定所述用户的用户特征向量与其他用户的用户特征向量之间的相似度；
将相似度大于第二相似度阈值的任意其他用户的预设歌单中的歌曲推荐至所述用户。
15.一种歌曲片段的确定装置，其特征在于，包括：获取模块、片段确定模块，其中，
所述获取模块，用于获取歌曲库中每首歌曲的歌曲添加信息，所述歌曲添加信息为每首歌曲被添加至预设歌单时的歌曲片段信息；
所述片段确定模块，包括：
信息确定单元，用于根据每首歌曲的歌曲添加信息，确定每首歌曲被至少两个用户添加至所述预设歌单时的至少一个添加时间以及每个所述添加时间对应的参数信息；
时间筛选单元，用于根据每个所述添加时间对应的参数信息和时间筛选条件，从每首歌曲的所有添加时间中筛选至少一个目标添加时间；
片段确定单元，用于根据所述目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
16.根据权利要求15所述的装置，其特征在于，所述每首歌曲的每个所述添加时间对应的参数信息，包括：
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值；
或者，
添加次数、添加次数占比、添加次数与前一相邻添加时间对应的添加次数之间的比值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值。
17.根据权利要求15所述的装置，其特征在于，所述时间筛选单元，具体用于：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的差值大于第三阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
18.根据权利要求15所述的装置，其特征在于，所述时间筛选单元，具体用于：
确定每首歌曲的每个所述添加时间对应的目标时间窗口，所述目标时间窗口包括：与所述目标时间窗口对应的任一添加时间，以及与所述添加时间相邻的至少两个其他添加时间；
响应于每首歌曲的任意所述目标时间窗口内的任意添加时间对应的添加次数大于次数阈值、添加次数占比大于第一阈值、添加次数与前一相邻添加时间对应的添加次数之间的比值大于第二阈值，以及添加次数占比与前一相邻添加时间对应的添加次数占比之间的比值大于第四阈值，筛选所述目标时间窗口对应的所述添加时间为每首歌曲的目标添加时间。
19.根据权利要求17或18所述的装置，其特征在于，所述与所述添加时间相邻的至少两个其他添加时间，包括：与所述添加时间位置相邻的前一个其他添加时间，以及与所述添加时间位置相邻的后至少一个其他添加时间。
20.根据权利要求15所述的装置，其特征在于，所述片段确定单元，具体用于：响应于每首歌曲的每个所述目标添加时间相邻的添加时间不为目标添加时间，和/或每个所述目标添加时间对应的添加次数占比小于第五阈值，剔除所述目标添加时间；基于剩余的目标添加时间，确定每首歌曲中被用户喜欢的至少一个目标歌曲片段。
21.根据权利要求20所述的装置，其特征在于，所述片段确定单元，还用于：从剩余的目标添加时间中，筛选至少一个连续时间段，所述连续时间段基于连续的至少两个目标添加时间确定；确定每个所述连续时间段的最小时间和最大时间；根据每个所述连续时间段的最小时间和最大时间，获取每首歌曲中被用户喜欢的至少一个目标歌曲片段。
22.根据权利要求15所述的装置，其特征在于，所述目标歌曲片段包括：目标音频片段和目标歌词片段。
23.根据权利要求22所述的装置，其特征在于，还包括：
显示模块，用于响应于歌曲库中任一目标歌曲的播放操作，在所述目标歌曲的播放进度条和歌词上，对所述目标歌曲的至少一个目标歌曲片段进行特殊显示。
24.根据权利要求22所述的装置，其特征在于，还包括：
第一确定模块，用于确定每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度；
第二确定模块，用于确定每首歌曲的每个所述目标歌词片段对应的歌词关键词；
第三确定模块，用于确定每首歌曲的目标歌曲片段总数量、所有目标歌曲片段总长度、所有目标歌曲片段的添加次数占比；
第四确定模块，用于根据每首歌曲的所述目标歌曲片段总数量、所述所有目标歌曲片段总长度、所述所有目标歌曲片段的添加次数占比、每个所述目标音频片段对应的歌曲调式、大小调式、所述歌曲调式的和弦序列以及歌曲速度，和每个所述目标歌词片段对应的歌词关键词，确定每首歌曲的歌曲特征向量。
25.根据权利要求24所述的装置，其特征在于，所述第四确定模块，包括：
第一确定单元，用于根据每首歌曲的所述目标歌曲片段总数量、所有目标歌曲片段总长度以及所有目标歌曲片段的添加次数占比，确定第一向量；
第二确定单元，用于根据每首歌曲的每个所述目标音频片段对应的歌曲调式、大小调式以及所述歌曲调式的和弦序列，确定第二向量；
第三确定单元，用于根据每首歌曲的每个所述目标音频片段对应的歌曲速度，确定第三向量；
第四确定单元，用于根据每首歌曲的每个所述目标歌词片段对应的歌词关键词，确定第四向量；
拼接单元，用于按照预设拼接规则，将所述第一向量、所述第二向量、所述第三向量和所述第四向量进行拼接，得到每首歌曲的歌曲特征向量。
26.根据权利要求25所述的装置，其特征在于，所述第二确定单元，具体用于：将每首歌曲的每个所述歌曲调式下的和弦序列还原成预设歌曲调式下的和弦序列，其中每个所述歌曲调式下的和弦序列与每个所述目标音频片段之间是一一对应的；根据所述预设歌曲调式下的每个和弦序列，确定第一子向量；根据每首歌曲的每个所述目标音频片段的歌曲调式、大小调式以及所述第一子向量，确定所述第二向量。
27.根据权利要求 24至26任一项所述的装置，其特征在于，还包括：
向量获取模块，用于响应于用户登录操作，获取用户的预设歌单中每首歌曲的歌曲特征向量；
第五确定模块，用于响应于所述用户针对所述预设歌单中任一歌曲的播放操作，确定所述歌曲的歌曲特征向量与歌曲库中其他歌曲的歌曲特征向量之间的相似度；
第一推荐模块，用于将相似度大于第一相似度阈值的其他歌曲推荐至所述用户。
28.根据权利要求27所述的装置，其特征在于，还包括：
向量确定模块，用于根据获取到的所有歌曲特征向量，确定所述用户的用户特征向量；
第六确定模块，用于确定所述用户的用户特征向量与其他用户的用户特征向量之间的相似度；
第二推荐模块，用于将相似度大于第二相似度阈值的任意其他用户的预设歌单中的歌曲推荐至所述用户。
29.一种电子设备，其特征在于，包括：
处理器和存储器，所述存储器用于存储计算机程序，所述处理器用于调用并运行所述存储器中存储的计算机程序，以执行如权利要求1至14中任一项所述的歌曲片段的确定方法。
30.一种计算机可读存储介质，其特征在于，用于存储计算机程序，所述计算机程序使得计算机执行如权利要求1至14中任一项所述的歌曲片段的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311712513.0A CN117390217B (zh) | 2023-12-13 | 2023-12-13 | 歌曲片段的确定方法、装置、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311712513.0A CN117390217B (zh) | 2023-12-13 | 2023-12-13 | 歌曲片段的确定方法、装置、设备和介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117390217A CN117390217A (zh) | 2024-01-12 |
| CN117390217B true CN117390217B (zh) | 2024-05-24 |
Family
ID=89441468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311712513.0A Active CN117390217B (zh) | 2023-12-13 | 2023-12-13 | 歌曲片段的确定方法、装置、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117390217B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2073130A1 (en) * | 2007-12-17 | 2009-06-24 | Sony Corporation | Method and device for content recommendation |
| CN104750818A (zh) * | 2015-03-30 | 2015-07-01 | 广东欧珀移动通信有限公司 | 基于无线音乐系统的歌曲试听方法、控制终端及系统 |
| CN106682111A (zh) * | 2016-12-06 | 2017-05-17 | 腾讯科技（深圳）有限公司 | 一种数据推荐方法及其设备 |
| CN108228882A (zh) * | 2018-01-26 | 2018-06-29 | 维沃移动通信有限公司 | 一种歌曲试听片段的推荐方法和终端设备 |
| CN109376265A (zh) * | 2018-12-12 | 2019-02-22 | 杭州网易云音乐科技有限公司 | 歌曲推荐列表生成方法、介质、装置和计算设备 |
| CN110532420A (zh) * | 2019-08-22 | 2019-12-03 | 北京达佳互联信息技术有限公司 | 歌曲处理方法及装置 |
| CN110968289A (zh) * | 2019-12-02 | 2020-04-07 | 腾讯科技（深圳）有限公司 | 一种音频播放方法、装置、以及计算机存储介质 |
| CN111198965A (zh) * | 2019-12-31 | 2020-05-26 | 腾讯科技（深圳）有限公司 | 一种歌曲检索方法、装置、服务器及存储介质 |
| EP3675122A1 (en) * | 2018-12-28 | 2020-07-01 | Spotify AB | Text-to-speech from media content item snippets |
| CN114661939A (zh) * | 2022-03-24 | 2022-06-24 | 杭州网易云音乐科技有限公司 | 歌曲匹配方法、介质、装置和计算设备 |
| CN115934996A (zh) * | 2022-11-24 | 2023-04-07 | 腾讯音乐娱乐科技（深圳）有限公司 | 推荐模型的训练方法、歌曲推荐方法及相关装置 |
-
2023
- 2023-12-13 CN CN202311712513.0A patent/CN117390217B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2073130A1 (en) * | 2007-12-17 | 2009-06-24 | Sony Corporation | Method and device for content recommendation |
| CN104750818A (zh) * | 2015-03-30 | 2015-07-01 | 广东欧珀移动通信有限公司 | 基于无线音乐系统的歌曲试听方法、控制终端及系统 |
| CN106682111A (zh) * | 2016-12-06 | 2017-05-17 | 腾讯科技（深圳）有限公司 | 一种数据推荐方法及其设备 |
| CN108228882A (zh) * | 2018-01-26 | 2018-06-29 | 维沃移动通信有限公司 | 一种歌曲试听片段的推荐方法和终端设备 |
| CN109376265A (zh) * | 2018-12-12 | 2019-02-22 | 杭州网易云音乐科技有限公司 | 歌曲推荐列表生成方法、介质、装置和计算设备 |
| EP3675122A1 (en) * | 2018-12-28 | 2020-07-01 | Spotify AB | Text-to-speech from media content item snippets |
| CN110532420A (zh) * | 2019-08-22 | 2019-12-03 | 北京达佳互联信息技术有限公司 | 歌曲处理方法及装置 |
| CN110968289A (zh) * | 2019-12-02 | 2020-04-07 | 腾讯科技（深圳）有限公司 | 一种音频播放方法、装置、以及计算机存储介质 |
| CN111198965A (zh) * | 2019-12-31 | 2020-05-26 | 腾讯科技（深圳）有限公司 | 一种歌曲检索方法、装置、服务器及存储介质 |
| CN114661939A (zh) * | 2022-03-24 | 2022-06-24 | 杭州网易云音乐科技有限公司 | 歌曲匹配方法、介质、装置和计算设备 |
| CN115934996A (zh) * | 2022-11-24 | 2023-04-07 | 腾讯音乐娱乐科技（深圳）有限公司 | 推荐模型的训练方法、歌曲推荐方法及相关装置 |
Non-Patent Citations (1)
| Title |
|---|
| 基于协同过滤和对象模型的音乐推荐系统研究;陈继腾;陈平华;;计算机与数字工程;20200820(第08期);第79-83页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117390217A (zh) | 2024-01-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11921778B2 (en) | Systems, methods and apparatus for generating music recommendations based on combining song and user influencers with channel rule characterizations | |
| US9576569B2 (en) | Playback control apparatus, playback control method, and medium for playing a program including segments generated using speech synthesis | |
| CN105335414B (zh) | 音乐推荐方法、装置及终端 | |
| CN110688518A (zh) | 节奏点的确定方法、装置、设备及存储介质 | |
| US20150302009A1 (en) | Adaptive Media Library for Application Ecosystems | |
| CN106468987A (zh) | 一种信息处理方法及客户端 | |
| KR20240128047A (ko) | 비디오 생성 방법 및 장치, 전자 장치 및 판독 가능한 저장 매체 | |
| CN110660375A (zh) | 一种生成乐曲的方法、装置和设备 | |
| US11775070B2 (en) | Vibration control method and system for computer device | |
| CN112037739B (zh) | 一种数据处理方法、装置、电子设备 | |
| CN111863030B (zh) | 音频检测方法及装置 | |
| CN117390217B (zh) | 歌曲片段的确定方法、装置、设备和介质 | |
| CN113747233B (zh) | 一种音乐替换方法、装置、电子设备及存储介质 | |
| CN114595361B (zh) | 一种音乐热度的预测方法、装置、存储介质及电子设备 | |
| CN113299269B (zh) | 语音合成系统的训练方法、装置、计算机设备及存储介质 | |
| CN114969427A (zh) | 歌单生成方法、装置、电子设备及存储介质 | |
| CN113497970B (zh) | 视频处理方法、装置、电子设备及存储介质 | |
| CN112214153B (zh) | 多媒体信息录制方法、服务器、终端、系统及存储介质 | |
| US20200326905A1 (en) | Computer implemented method and computer system for customized execution of a media file | |
| CN111723234A (zh) | 一种音频提供方法、装置、设备及存储介质 | |
| CN116543796B (zh) | 一种音频处理方法、装置及计算机设备、存储介质 | |
| CN117874331A (zh) | 游戏推荐方法、装置、设备和存储介质 | |
| US20240134905A1 (en) | System and method for recognizing music based on auditory memory and generating playlists | |
| CN117156173A (zh) | Vlog生成方法及相关装置 | |
| CN114927140A (zh) | 语音播报方法、装置、设备及介质 |
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 |