[发明专利]车载音乐推荐方法、装置、设备及存储介质

说明书

本申请提供一种车载音乐推荐方法、装置、设备及存储介质。首先获取特征数据，其中特征数据包括历史特征数据和实时特征数据，而实时特征数据包括实时播放行为数据和车辆行驶数据，然后根据特征数据以及预设推荐模型得到每首候选音乐的目标概率值，目标概率值用于表征每首候选音乐被完整播放的概率，再根据预设推荐策略以及每首候选音乐的目标概率值从所有候选音乐中确定出目标音乐，进而将目标音乐推荐给用户，完成车载音乐的实时推荐。不但可以有效避免预设推荐模型失真，有利于提高所确定的目标音乐的准确性，还符合车载应用场景，有利于推广使用。

技术领域

本申请涉及汽车技术领域，尤其涉及一种车载音乐推荐方法、装置、设备及存储介质。

背景技术

随着汽车产业的发展，人们依靠汽车出行时，对车载多媒体的需求不仅仅只是播放音乐，还需要满足人们快捷迅速的找到自己喜欢的音乐，可见，亟需一种车载场景下的音乐推荐解决方案。

目前，音乐推荐方案主要依靠大量的用户相关数据得以实现。一般都是通过统计最近一天、一周、一月的用户点击次数或者点击率提取特征数据来反馈用户特征。但这种通过点击操作进行特征提取的方式存在诸多缺陷。

例如，通过一天、一周、一月的时间周期统计到的数据存在特征包含关系，在将特征数据运用到模型时存在多重共线性风险，无法获知不同维度特征数据对于推荐结果的影响程度，导致模型失真降低推荐准确性。另外，针对车载多媒体，用户点击了音乐播放也并不表征用户对于该音乐的喜好程度，换言之点击操作不能准确反馈用户行为特征，因此，现有的基于点击行为提取特征数据所实现的音乐推荐方案不适用于车载场景下的音乐推荐。

发明内容

本申请提供一种车载音乐推荐方法、装置、设备及存储介质，用于提供一种不仅可以避免模型失真有利于提高推荐准确性并适用于车载场景下的音乐推荐方法。

第一方面，本申请提供一种车载音乐推荐方法，包括：

获取特征数据，所述特征数据包括历史特征数据和实时特征数据，所述实时特征数据包括实时播放行为数据和车辆行驶数据；

根据所述特征数据以及预设推荐模型得到每首候选音乐的目标概率值，所述目标概率值用于表征所述每首候选音乐被完整播放的概率；

根据预设推荐策略以及所述每首候选音乐的目标概率值得到目标音乐，并推荐所述目标音乐。

在一种可能的设计中，所述获取特征数据，包括：

根据离线数据提取所述历史特征数据；

通过预设流数据处理平台获取音乐实时数据，并从所述音乐实时数据中提取所述实时播放行为数据；

获取所述车辆行驶数据。

在一种可能的设计中，在所述根据离线数据提取所述历史特征数据之前，还包括：

通过车机终端采集所述离线数据，并利用预设传输系统将所述离线数据传输至数据处理平台，按照预设时间周期为单位存储所述离线数据。

在一种可能的设计中，所述根据离线数据提取所述历史特征数据，包括：

对所述离线数据进行数据清洗，以获得播放行为完整的历史播放数据；

对所述历史播放数据进行特征提取以得到所述历史特征数据。

在一种可能的设计中，所述对所述历史播放数据进行特征提取以得到所述历史特征数据，包括：

根据所述历史播放数据获取用户活跃特征数据，所述用户活跃特征数据包括历史时间周期内不同时间段对应的音乐播放次数；

根据所述历史播放数据获取用户习惯特征数据，所述用户习惯特征数据包括所述历史时间周期内不同时间段对应的音乐完整播放比例；