[发明专利]歌曲推荐方法、装置、终端设备以及存储介质在审

专利信息
申请号: 201911304855.2 申请日: 2019-12-17
公开(公告)号: CN111046221A 公开(公告)日: 2020-04-21
发明(设计)人: 缪畅宇 申请(专利权)人: 腾讯科技(深圳)有限公司
主分类号: G06F16/635 分类号: G06F16/635;G06F16/68
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 熊永强;杜维
地址: 518057 广东省深圳*** 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: 歌曲 推荐 方法 装置 终端设备 以及 存储 介质
【权利要求书】:

1.一种歌曲推荐方法,其特征在于,所述方法包括:

获取预设时间段内目标用户的搜索记录对应的搜索对象内容文本,获取所述搜索对象内容文本对应的内容文本特征向量,其中所述内容文本特征向量包括组成所述搜索对象内容文本的多个词对应的多个词向量;

获取歌曲库中包括的每首歌曲对应的歌曲文本特征向量,其中歌曲文本特征向量包括组成歌曲信息的多个词对应的多个词向量;

基于所述内容文本特征向量,以及所述歌曲库中包括的每首歌曲对应的歌曲文本特征向量确定所述搜索对象内容文本与每首歌曲的歌曲信息的文本相似度,根据所述文本相似度从所述歌曲库中确定出至少一首歌曲推荐给所述目标用户。

2.根据权利要求1所述方法,其特征在于,所述获取预设时间段内目标用户的搜索记录对应的搜索对象内容文本,包括:

获取所述目标用户所使用的搜索引擎对应的日志文件,其中所述日志文件中包括所述目标用户的搜索记录,所述搜索记录包括所述目标用户用于检索的检索字符串以及检索时间;

获取预设时间段内目标用户的搜索记录中出现次数最多的检索字符串,并基于所述检索字符串确定出多个检索结果内容文本,获取各检索结果内容文本对应的网页属性特征向量;

获取所述检索字符串对应的检索字符文本特征向量,以及获取所述目标用户的用户基本属性特征向量,基于所述检索字符文本特征向量、所述用户基本属性特征向量以及每个检索结果内容文本对应的网页属性特征向量生成每个检索结果内容文本对应的联合特征向量;

获取文本排序模型,将各联合特征向量输入所述文本排序模型,以得到所述文本排序模型输出的各检索结果内容文本的排序结果,其中所述文本排序模型根据多个样本文本对应的多个样本联合特征向量以及所述多个样本文本的排序结果训练得到;

将所述排序结果中的前n个检索结果内容文本确定为搜索对象内容文本。

3.根据权利要求1所述方法,其特征在于,所述搜索记录包括所述目标用户的浏览记录和浏览时间;所述获取预设时间段内目标用户的搜索记录对应的搜索对象内容文本,包括:

获取预设时间段内的浏览记录中包括的统一资源定位符URL,访问所述URL以获取对应的内容文本作为搜索对象内容文本。

4.根据权利要求1-3任一项所述方法,其特征在于,所述方法还包括:

将所述搜索对象内容文本进行分词处理以得到组成所述搜索对象内容文本的多个词;

获取预设的词向量查询表,所述词向量查询表中包括多个词对应的多个词向量,其中一个词对应一个词向量;

从所述词向量查询表中确定出组成所述搜索对象内容文本的多个词中各个词对应的词向量。

5.根据权利要求1-3任一项所述方法,其特征在于,所述基于所述内容文本特征向量,以及所述歌曲库中包括的每首歌曲对应的歌曲文本特征向量确定所述搜索对象内容文本与每首歌曲的歌曲信息的文本相似度,包括:

获取文本相似度分类模型,将所述内容文本特征向量和任一首歌曲对应的歌曲文本特征向量输入所述文本相似度分类模型,其中所述文本相似度分类模型根据样本搜索对象内容文本对应的内容文本特征向量、样本歌曲对应的歌曲文本特征向量以及文本相似度分类结果标识训练得到;

获取所述文本相似度分类模型所输出的文本相似度分类结果标识,根据所述文本相似度分类结果标识确定所述任一首歌曲对应的歌曲文本信息与所述搜索对象内容文本间的文本相似度。

6.根据权利要求1-3任一项所述方法,其特征在于,所述基于所述内容文本特征向量,以及所述歌曲库中包括的每首歌曲对应的歌曲文本特征向量确定所述搜索对象内容文本与每首歌曲的歌曲信息的文本相似度,包括:

计算所述内容文本特征向量分别与所述歌曲库中包括的每首歌曲对应的歌曲文本特征向量间的欧氏距离;

将所述欧式距离转换为相似度值,以作为所述搜索对象内容文本与每首歌曲的歌曲信息的文本相似度。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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科技(深圳)有限公司,未经腾讯科技(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/201911304855.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top