[发明专利]基于标签主题模型的歌曲推荐方法、装置及存储介质有效
申请号: | 201810097213.9 | 申请日: | 2018-01-31 |
公开(公告)号: | CN108334601B | 公开(公告)日: | 2021-03-16 |
发明(设计)人: | 黄安埠 | 申请(专利权)人: | 腾讯音乐娱乐科技(深圳)有限公司 |
主分类号: | G06F16/68 | 分类号: | G06F16/68;G06F16/635 |
代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 黄威 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 标签 主题 模型 歌曲 推荐 方法 装置 存储 介质 | ||
本发明实施例公开了一种基于标签主题模型的歌曲推荐方法、装置及存储介质,该方法包括:获取歌单集合,所述歌单集合包括多个歌单,所述歌单包括主题信息和多首歌曲;根据所述主题信息构建所述歌单的标签集合,所述标签集合包括至少一个主题标签;将所述标签集合内的主题标签分配给所述歌单中的歌曲;获取所述歌曲的新主题概率分布;根据所述新主题概率分布确定所述歌单中歌曲分配到的目标主题标签;根据所述歌单中歌曲分配到的目标主题标签生成相应的歌曲推荐列表,并基于所述歌曲推荐列表进行歌曲推荐。本方案可以提高歌曲推荐的准确性。
技术领域
本发明涉及多媒体技术领域,具体涉及一种基于标签主题模型的歌曲推荐方法、装置及存储介质。
背景技术
随着网络的迅猛发展,人们的日常生活越来越离不开网络,通过网络听歌、看视频以及看新闻等等以及成为了人们的日常生活习惯,以音乐为例,随着音乐数据的爆炸性增长,用户越来越难以从众多音乐数据中挑选自己喜欢的音乐,因此,给用户主动推荐感兴趣的音乐,俨然成为了一种可行且高效的方案。
现在主要的推荐方案是以协同过滤和LDA(Latent Dirichlet Allocation,主题模型)为主,其中协同过滤是以用户的听歌行为作为输入的数据来源,容易受到流水的影响,通过协同过滤方法推送出来的歌曲往往偏向于热门;而传统的LDA模型虽然能够得到用户的主题分布和主题的歌曲列表,但是LDA模型非常容易受到语料训练数据的影响而导致训练的时候出现偏差,导致推荐结果不准确。
发明内容
本发明实施例提供了一种基于标签主题模型的歌曲推荐方法、装置及存储介质,可以大大的提高歌曲推荐的准确性。
本发明实施例提供了一种基于标签主题模型的歌曲推荐方法,包括:
获取歌单集合,所述歌单集合包括多个歌单,所述歌单包括主题信息;
根据所述主题信息构建所述歌单的标签集合,所述标签集合包括至少一个主题标签;
将所述标签集合内的主题标签分配给所述歌单中的歌曲;
获取所述歌曲的新主题概率分布,所述新主题概率分布包括所述歌曲当前分配到各个所述主题标签的概率分布;
根据所述新主题概率分布确定所述歌单中歌曲分配到的目标主题标签;
根据所述歌单中歌曲分配到的目标主题标签生成相应的歌曲推荐列表,并基于所述歌曲推荐列表进行歌曲推荐。
本发明实施例还提供了一种基于标签主题模型的歌曲推荐装置,包括:
第一获取单元,用于获取歌单集合,所述歌单集合包括多个歌单,所述歌单包括主题信息;
构建单元,用于根据所述主题信息构建所述歌单的标签集合,所述标签集合包括至少一个主题标签;
分配单元,用于将所述标签集合内的主题标签分配给所述歌单中的歌曲;
第二获取单元,用于获取所述歌曲的新主题概率分布,所述新主题概率分布包括所述歌曲当前分配到各个所述主题标签的概率分布;
确定单元,用于根据所述新主题概率分布确定所述歌单中歌曲分配到的目标主题标签;
推荐单元,用于根据所述歌单中歌曲分配到的目标主题标签生成相应的歌曲推荐列表,并基于所述歌曲推荐列表进行歌曲推荐。
此外,本发明实施例还提供一种存储介质,其内存储有处理器可执行指令,该处理器通过执行所述指令提供如上述的歌曲推荐方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯音乐娱乐科技(深圳)有限公司,未经腾讯音乐娱乐科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810097213.9/2.html,转载请声明来源钻瓜专利网。