【技术实现步骤摘要】
歌曲推荐模型训练方法、歌曲推荐方法、设备和存储介质
[0001]本申请涉及人工智能
,特别是涉及一种歌曲推荐模型训练方法
、
歌曲推荐方法
、
计算机设备和存储介质
。
技术介绍
[0002]随着人工智能技术的发展,在音乐场景中出现了歌曲推荐系统,其可以通过对用户相关信息进行建模,根据模型提取特征进行歌曲推荐
。
[0003]目前技术在歌曲推荐中所使用的模型主要是根据用户历史听歌行为预测下一时刻的用户听歌行为,然而这种技术无法使模型精准稳定地捕捉到用户长期的听歌兴趣,导致模型推荐的歌曲与用户的适配性较低
。
技术实现思路
[0004]基于此,有必要针对上述技术问题,提供一种歌曲推荐模型训练方法
、
歌曲推荐方法
、
计算机设备和存储介质
。
[0005]第一方面,本申请提供了一种歌曲推荐模型训练方法
。
所述方法包括:
[0006]获取各样本用户各自的听歌信息序列样本;
[0007]针对每一样本用户的听歌信息序列样本,将听歌信息序列样本划分为历史听歌信息序列以及未来听歌信息序列,得到所述每一样本用户的历史听歌信息序列以及未来听歌信息序列;
[0008]将所述每一样本用户的历史听歌信息序列输入待训练的歌曲推荐模型的第一特征提取分支,由所述第一特征提取分支根据所述历史听歌信息序列提取各历史时间步的歌曲特征表示,得到所述每一样本用户对应的所述各历史时间 ...
【技术保护点】
【技术特征摘要】
1.
一种歌曲推荐模型训练方法,其特征在于,所述方法包括:获取各样本用户各自的听歌信息序列样本;针对每一样本用户的听歌信息序列样本,将听歌信息序列样本划分为历史听歌信息序列以及未来听歌信息序列,得到所述每一样本用户的历史听歌信息序列以及未来听歌信息序列;将所述每一样本用户的历史听歌信息序列输入待训练的歌曲推荐模型的第一特征提取分支,由所述第一特征提取分支根据所述历史听歌信息序列提取各历史时间步的歌曲特征表示,得到所述每一样本用户对应的所述各历史时间步的歌曲特征表示;将所述每一样本用户的未来听歌信息序列输入待训练的歌曲推荐模型的第二特征提取分支,由所述第二特征提取分支根据所述未来听歌信息序列提取各未来时间步的歌曲特征表示,得到所述每一样本用户对应的所述各未来时间步的歌曲特征表示;基于所述每一样本用户对应的各历史时间步的歌曲特征表示与所述每一样本用户对应的各未来时间步的歌曲特征表示的相似度,训练所述待训练的歌曲推荐模型的第一特征提取分支和第二特征提取分支;当对应于同一样本用户的历史时间步的歌曲特征表示与未来时间步的歌曲特征表示的相似度大于或等于第一相似度阈值,且对应于不同样本用户的历史时间步的歌曲特征表示与未来时间步的歌曲特征表示的相似度小于第二相似度阈值时,得到经训练的歌曲推荐模型
。2.
根据权利要求1所述的方法,其特征在于,所述基于所述每一样本用户对应的各历史时间步的歌曲特征表示与所述每一样本用户对应的各未来时间步的歌曲特征表示的相似度,训练所述待训练的歌曲推荐模型的第一特征提取分支和第二特征提取分支,包括:从所述每一样本用户对应的各历史时间步的歌曲特征表示中抽取若干歌曲特征表示作为第一类歌曲特征表示集,从所述每一样本用户对应的各未来时间步的歌曲特征表示中抽取若干歌曲特征表示作为第二类歌曲特征表示集;根据所述第一类歌曲特征表示集中各歌曲特征表示与所述第二类歌曲特征表示集中各歌曲特征表示的相似度,训练所述待训练的歌曲推荐模型的第一特征提取分支和第二特征提取分支
。3.
根据权利要求2所述的方法,其特征在于,所述当对应于同一样本用户的历史时间步的歌曲特征表示与未来时间步的歌曲特征表示的相似度大于或等于第一相似度阈值,且对应于不同样本用户的历史时间步的歌曲特征表示与未来时间步的歌曲特征表示的相似度小于第二相似度阈值时,得到经训练的歌曲推荐模型,包括:当对应于同一样本用户的所述第一类歌曲特征表示集中的歌曲特征表示与所述第二类歌曲特征表示集中的歌曲特征表示的相似度大于或等于第一相似度阈值,且对应于不同样本用户的所述第一类歌曲特征表示集中的歌曲特征表示与所述第二类歌曲特征表示集中的歌曲特征表示的相似度小于第二相似度阈值时,得到经训练的歌曲推荐模型
。4.
根据权利要求1所述的方法,其特征在于,所述方法还包括:针对每一样本用户,对其历史听歌信息序列进行不同的掩膜处理,得到至少两组经掩膜处理的历史听歌信息序列;将所述每一样本用户的所述至少两组经掩膜处理的历史听歌信息序列,输入所述待训
练的歌曲推荐模型的第一特征提取分支,由所述第一特征提取分支根据所述至少两组经掩膜处理的历史听歌信息序列分别输出对应的至少两组各历史时间步的歌曲特征表示,得到所述每一样本用户对应的所述至少两组各历史时间步的歌曲特征表示;针对所述每一样本用户,根据对应的至少两组各历史时间步的歌曲特征表示,得到至少...
【专利技术属性】
技术研发人员:陈飞,马小栓,
申请(专利权)人:腾讯音乐娱乐科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。