【技术实现步骤摘要】
本公开涉及计算机，更具体地，涉及一种模型训练方法、音乐推荐方法、模型训练装置、音乐推荐装置、计算机程序产品和电子设备。
技术介绍
1、随着互联网和计算机技术的高速发展，用户可以通过各类音乐平台随时收听喜欢的音乐，目前可通过对歌曲进行音频信号处理，或者通过多模态信息(如音频、文本)识别音乐带来的情绪，或者结合音频信号处理和多模态信息识别确定音乐来带的情绪，从而为用户推荐更多感兴趣的音乐。然而，目前的情绪识别模型无法准确识别不同用户对于音乐的情绪，情绪识别模型的识别准确性不高，一定程度影响情绪识别模型的实际应用。
2、需要说明的是，在上述
技术介绍
部分专利技术的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
1、本公开的目的在于提供一种模型训练方法及装置、音乐推荐方法及装置、计算机程序产品和电子设备，进而至少在一定程度上提高情绪分析模型分析音乐情绪的准确性。
2、本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。
3、根据本公开的一个方面，提供一种模型训练方法，包括：基于预训练的特征提取模块对样本歌曲进行特征提取，得到歌曲特征；根据歌曲特征、样本歌曲和样本歌曲的第一情绪标签，对待训练的第一识别模块进行训练，得到客观情绪识别模块；根据客观情绪识别模块和权重修正模块，确定待训练的第二识别模块，权重修正模块用于基于用户特征对客观情绪识别模块的目标中间层的中间层特
4、在本公开的一种示例性实施例中，根据样本用户特征、样本歌曲、歌曲特征和第二情绪标签对待训练的第二识别模块进行训练，包括：将歌曲特征和样本歌曲输入至客观情绪识别模块，并提取客观情绪识别模块的目标中间层的中间层特征；通过权重修正模块对中间层特征与样本用户特征进行融合计算，得到融合特征；将融合特征作为目标中间层的输出，插入至客观情绪识别模块，以使客观情绪识别模块输出情绪预测结果，以根据情绪预测结果和第二情绪标签确定的模型损失对待训练的第二识别模块中的参数进行调整。
5、在本公开的一种示例性实施例中，样本用户特征包括用户属性特征和用户交互特征；通过权重修正模块对中间层特征与样本用户特征进行融合计算，得到融合特征，包括：通过权重修正模块对用户属性特征与用户交互特征进行融合计算，得到参考特征；根据预设的权重信息，将参考特征和中间层特征进行融合计算，得到融合特征。
6、在本公开的一种示例性实施例中，通过权重修正模块对中间层特征与样本用户特征进行融合计算，得到融合特征，包括：获取样本用户对应的场景特征，场景特征用于指示样本用户的当前听歌场景；通过权重修正模块对中间层特征、样本用户特征和场景特征进行融合计算，得到融合特征。
7、在本公开的一种示例性实施例中，第一情绪标签为专家经验标签，第二情绪标签为非专家经验标签；获取样本用户对应的样本用户特征和样本用户针对样本歌曲的第二情绪标签，包括：提取样本用户的参考用户特征，并根据参考用户特征将样本用户划分为多个用户类别组；针对每个用户类别组，根据该用户类别组中的参考用户特征确定该用户类别组对应的样本用户特征，以将用户类别组对应的样本用户特征确定为该用户类别组中的样本用户对应的样本用户特征；针对每个用户类别组，根据该用户类别组中的样本用户对样本歌曲的参考情绪标签确定第二情绪标签。
8、在本公开的一种示例性实施例中，针对每个用户类别组，根据该用户类别组中的样本用户对样本歌曲的参考情绪标签确定第二情绪标签，包括：将用户类别组中的样本用户对样本歌曲的参考情绪标签进行聚类处理，得到多个标签簇；从多个标签簇中确定用户类别组中的样本用户针对样本歌曲的第二情绪标签。
9、在本公开的一种示例性实施例中，根据得到的识别模块和预训练的特征提取模块确定情绪分析模型，包括：将预训练的特征提取模块与得到的识别模块中的目标客观情绪识别模块级联；以及，在目标客观识别情绪识别模块中的目标中间层后插入得到的识别模块中的目标权重修正模块，以使目标权重修正模块对目标客观识别情绪识别模块中的目标中间层的中间层特征的权重进行调整。
10、根据本公开的一个方面，提供一种音乐推荐方法，包括：获取当前用户的用户信息和收听歌曲；基于用户信息和收听歌曲，通过情绪分析模型获取当前用户对收听歌曲的当前情绪；其中，情绪分析模型是本公开实施例中任一项的模型训练方法获得的；根据当前情绪向当前用户推荐歌曲。
11、在本公开的一种示例性实施例中，获取当前用户的用户信息，包括：响应针对于听歌交互信息的触控操作，获取触控操作对应的用户信息；其中，听歌交互信息用于指示当前用户是否主动发起音乐推荐。
12、在本公开的一种示例性实施例中，方法还包括：根据用户信息，获取样本用户对应的样本用户特征和针对样本歌曲的第二情绪标签，以用于对情绪分析模型进行迭代训练。
13、根据本公开的一个方面，提供一种模型训练装置，包括：歌曲特征提取模块，用于基于预训练的特征提取模块对样本歌曲进行特征提取，得到歌曲特征；第一训练模块，用于根据歌曲特征、样本歌曲和样本歌曲的第一情绪标签，对待训练的第一识别模块进行训练，得到客观情绪识别模块；权重特征模块，用于根据客观情绪识别模块和权重修正模块，确定待训练的第二识别模块，权重修正模块用于基于用户特征对客观情绪识别模块的目标中间层的中间层特征的权重进行调整；用户特征获取模块，用于获取样本用户对应的样本用户特征和样本用户针对样本歌曲的第二情绪标签；第二训练模块，用于根据样本用户特征、样本歌曲、歌曲特征和第二情绪标签对待训练的第二识别模块进行训练，以根据得到的识别模块和预训练的特征提取模块确定情绪分析模型。
14、根据本公开的一个方面，提供一种音乐推荐装置，包括：信息获取模块，用于获取当前用户的用户信息和收听歌曲；情绪识别模块，用于基于用户信息和收听歌曲，通过情绪分析模型获取当前用户对收听歌曲的当前情绪；其中，情绪分析模型是基于本公开实施例中任一项的模型训练方法进行模型训练获得的；音乐推荐模块，用于根据当前情绪向当前用户推荐歌曲。
15、根据本公开的一个方面，提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述中的任一项的方法。
16、根据本公开的一个方面，提供一种电子设备，包括：处理器；以及存储器，用于存储处理器的可执行指令；其中，处理器配置为经由执行可执行指令来执行上述任意一项的方法。
17、本公开的示例性实施例中的技术方案，一方面，基于预训练的特征提取模块对样本歌曲进行特征提取，得到歌曲特征，并根据歌曲特征、样本歌曲和样本歌曲的第一情绪标签，对待训练的第一识本文档来自技高网...
【技术保护点】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述样本用户特征、所述样本歌曲、所述歌曲特征和所述第二情绪标签对所述待训练的第二识别模块进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述样本用户特征包括用户属性特征和用户交互特征；
4.根据权利要求2所述的方法，其特征在于，所述通过所述权重修正模块对所述中间层特征与所述样本用户特征进行融合计算，得到融合特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述第一情绪标签为专家经验标签，所述第二情绪标签为非专家经验标签；所述获取样本用户对应的样本用户特征和所述样本用户针对所述样本歌曲的第二情绪标签，包括：
6.根据权利要求5所述的方法，其特征在于，所述针对每个用户类别组，根据该所述用户类别组中的样本用户对所述样本歌曲的参考情绪标签确定所述第二情绪标签，包括：
7.一种音乐推荐方法，其特征在于，包括：
8.一种模型训练装置，其特征在于，包括：
9.一种音乐推荐装置，其特征在于，包
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述根据所述样本用户特征、所述样本歌曲、所述歌曲特征和所述第二情绪标签对所述待训练的第二识别模块进行训练，包括：
3.根据权利要求2所述的方法，其特征在于，所述样本用户特征包括用户属性特征和用户交互特征；
4.根据权利要求2所述的方法，其特征在于，所述通过所述权重修正模块对所述中间层特征与所述样本用户特征进行融合计算，得到融合特征，包括：
5.根据权利要求1所述的方法，其特征在于，所述第一情绪标签为专家经验标签，所述第二情绪标签为...
【专利技术属性】
技术研发人员：李宜烜，金强，蔡苗苗，李鹏，刘华平，陈锦海，
申请(专利权)人：杭州网易云音乐科技有限公司，
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。