本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種相似歌曲推薦方法及裝置。

背景技術(shù)：

在互聯(lián)網(wǎng)應(yīng)用中，音樂(lè)類(lèi)型的網(wǎng)站給人們的生活帶來(lái)了很多的便利。用戶(hù)在音樂(lè)網(wǎng)站上可以選擇在線(xiàn)收聽(tīng)他們喜歡的歌曲，甚至還可以在音樂(lè)網(wǎng)站上結(jié)交相同音樂(lè)偏好的朋友。

現(xiàn)有的音樂(lè)網(wǎng)站可以向用戶(hù)進(jìn)行歌曲推薦，例如當(dāng)用戶(hù)收聽(tīng)歌手汪峰的歌曲《北京北京》時(shí)，向其推薦專(zhuān)輯《勇敢的心》中的其他歌曲。但是現(xiàn)有的歌曲推薦方法，存在推薦歌曲與用戶(hù)之間的匹配度不夠高的問(wèn)題，這導(dǎo)致了用戶(hù)對(duì)推薦歌曲的滿(mǎn)意度較低。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明實(shí)施例提供一種相似歌曲推薦方法及裝置，用以解決現(xiàn)有技術(shù)中存在推薦歌曲與用戶(hù)之間的匹配度不高、用戶(hù)滿(mǎn)意度低的缺陷。

根據(jù)本發(fā)明實(shí)施例的第一方面，提供一種相似歌曲推薦方法，包括：

獲取預(yù)設(shè)歌曲庫(kù)中多首歌曲的歌曲內(nèi)容；

計(jì)算所述多首歌曲中每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值；

根據(jù)所述每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值，確定所述多首歌曲對(duì)應(yīng)的第一預(yù)設(shè)維度的第一向量模型；

對(duì)所述第一向量模型進(jìn)行降維處理，得到第二預(yù)設(shè)維度的第二向量模型；

根據(jù)所述第二向量模型確定與所述多首歌曲中的目標(biāo)歌曲相似的相似歌曲。

在該實(shí)施例中，根據(jù)歌曲內(nèi)容為目標(biāo)歌曲確定與其相似的相似歌曲，其中，歌曲內(nèi)容可以是歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等，這樣，根據(jù)歌曲內(nèi)容為目標(biāo)歌曲確定相似歌曲，可以使相似歌曲與目標(biāo)歌曲的相似程度更高。

在一個(gè)實(shí)施例中，所述計(jì)算所述多首歌曲中每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值，包括：

對(duì)每首歌曲的歌曲內(nèi)容進(jìn)行分詞操作，得到多個(gè)詞；

計(jì)算所述多個(gè)詞中的每個(gè)詞在所述每首歌曲中的權(quán)重值。

在該實(shí)施例中，歌曲內(nèi)容可以是歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等，這樣，對(duì)歌曲內(nèi)容進(jìn)行分詞操作，進(jìn)而計(jì)算每個(gè)詞在歌曲中的權(quán)重值，即可得到每個(gè)詞對(duì)應(yīng)的統(tǒng)計(jì)值。

其中，統(tǒng)計(jì)值包括tf值和idf值。tf－某個(gè)詞在該歌曲中出現(xiàn)的頻率，idf－逆文檔頻率(頻率不高但很重要)。歌手、作詞、作曲、專(zhuān)輯、年代等詞語(yǔ)，這些詞語(yǔ)的idf值比較高。

在一個(gè)實(shí)施例中，所述根據(jù)所述每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值，確定所述多首歌曲對(duì)應(yīng)的第一預(yù)設(shè)維度的第一向量模型，包括：

將所述多首歌曲中的所有詞的權(quán)重值組合，得到第一預(yù)設(shè)維度的第一向量模型，其中，所述第一向量模型表示為：

其中，x_c,n表示第c個(gè)詞在第n首歌曲中的權(quán)重值，所述第一預(yù)設(shè)維度為n維。

在該實(shí)施例中，假設(shè)n首歌曲中一共包含c個(gè)詞，根據(jù)每個(gè)詞的權(quán)重值，則組合成上述第一向量模型，其中，每一行代表一個(gè)詞的向量該向量描述了該詞和所有歌曲的關(guān)系，每一列代表一個(gè)歌曲向量該向量描述了該歌曲與所有詞的關(guān)系。

在一個(gè)實(shí)施例中，對(duì)所述第一向量模型進(jìn)行降維處理，得到第二預(yù)設(shè)維度的第二向量模型，包括：

獲取所述第二預(yù)設(shè)維度的預(yù)設(shè)訓(xùn)練模型，其中，所述第二預(yù)設(shè)維度為m維，m＜n；

根據(jù)所述預(yù)設(shè)訓(xùn)練模型，對(duì)所述第一向量模型進(jìn)行降維處理，得到所述第二向量模型。

在該實(shí)施例中，預(yù)設(shè)訓(xùn)練模型可以是m維的向量空間，m可能是100，遠(yuǎn)小于n。m維的向量空間是經(jīng)過(guò)大量歌曲訓(xùn)練得到的，M維就是m個(gè)分類(lèi)。將n維向量做空間變換，變換到m維的向量空間，相當(dāng)于做降維處理，也是特征聚合處理，同時(shí)減少計(jì)算量。其中，可以采用LSA(Latent Semantic Analysis，潛在語(yǔ)義分析)算法進(jìn)行降維處理。

在一個(gè)實(shí)施例中，所述根據(jù)所述第二向量模型確定與所述多首歌曲中的目標(biāo)歌曲相似的相似歌曲，包括：

根據(jù)所述第二向量模型和預(yù)設(shè)的計(jì)算公式，計(jì)算所述目標(biāo)歌曲與所述多首歌曲中其他歌曲的相似度，其中，所述預(yù)設(shè)的計(jì)算公式為：

其中，Sim(d_i,d_j)表示第i首歌曲與第j首歌曲的相似度，x_m,i表示第m個(gè)詞在第i首歌曲中的權(quán)重值，x_m,j表示第m個(gè)詞在第j首歌曲中的權(quán)重值；

將相似度大于或者等于預(yù)設(shè)相似度的歌曲確定為與所述目標(biāo)歌曲相似的相似歌曲。

在該實(shí)施例中，在確定了第二向量模型后，根據(jù)第二向量模型和預(yù)設(shè)的計(jì)算公式分別計(jì)算目標(biāo)歌曲與歌曲庫(kù)中其他歌曲的相似度。從而將與目標(biāo)歌曲之間的相似度大于或者等于預(yù)設(shè)相似度的歌曲確定為相似歌曲。例如，預(yù)設(shè)相似度為80％，則計(jì)算目標(biāo)歌曲與預(yù)設(shè)歌曲庫(kù)中其他歌曲之間的相似度，從而將所有相似度大于或者等于80％的歌曲確定為相似歌曲。

在一個(gè)實(shí)施例中，在獲取預(yù)設(shè)歌曲庫(kù)中多首歌曲的歌曲內(nèi)容之前，所述方法還包括：

根據(jù)目標(biāo)終端對(duì)所述預(yù)設(shè)歌曲庫(kù)中歌曲的歷史操作確定所述目標(biāo)終端的使用者喜好的所述目標(biāo)歌曲；

在確定與所述目標(biāo)歌曲相似的相似歌曲之后，所述方法還包括：

推送所述相似歌曲至所述目標(biāo)終端。

在該實(shí)施例中，可以根據(jù)目標(biāo)終端的使用者對(duì)預(yù)設(shè)歌曲庫(kù)中歌曲的歷史操作確定用戶(hù)喜好的目標(biāo)歌曲，進(jìn)而根據(jù)歌曲內(nèi)容，如歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等確定與目標(biāo)歌曲相似的相似歌曲，從而將相似歌曲推薦給目標(biāo)終端的使用者，這樣，可以使得推薦歌曲與用戶(hù)之間的匹配度更高，推薦歌曲更符合用戶(hù)的喜好，提高用戶(hù)的滿(mǎn)意度。

根據(jù)本發(fā)明實(shí)施例的第二方面，提供一種相似歌曲推薦裝置，包括：

獲取模塊，用于獲取預(yù)設(shè)歌曲庫(kù)中多首歌曲的歌曲內(nèi)容；

計(jì)算模塊，用于計(jì)算所述多首歌曲中每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值；

第一確定模塊，用于根據(jù)所述每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值，確定所述多首歌曲對(duì)應(yīng)的第一預(yù)設(shè)維度的第一向量模型；

降維模塊，用于對(duì)所述第一向量模型進(jìn)行降維處理，得到第二預(yù)設(shè)維度的第二向量模型；

第二確定模塊，用于根據(jù)所述第二向量模型確定與所述多首歌曲中的目標(biāo)歌曲相似的相似歌曲。

在一個(gè)實(shí)施例中，所述計(jì)算模塊包括：

分詞子模塊，用于對(duì)每首歌曲的歌曲內(nèi)容進(jìn)行分詞操作，得到多個(gè)詞；

第一計(jì)算子模塊，用于計(jì)算所述多個(gè)詞中的每個(gè)詞在所述每首歌曲中的權(quán)重值。

在一個(gè)實(shí)施例中，所述第一確定模塊用于：

將所述多首歌曲中的所有詞的權(quán)重值組合，得到第一預(yù)設(shè)維度的第一向量模型，其中，所述第一向量模型表示為：

其中，x_c,n表示第c個(gè)詞在第n首歌曲中的權(quán)重值，所述第一預(yù)設(shè)維度為n維。

在一個(gè)實(shí)施例中，所述降維模塊包括：

獲取子模塊，用于獲取所述第二預(yù)設(shè)維度的預(yù)設(shè)訓(xùn)練模型，其中，所述第二預(yù)設(shè)維度為m維，m＜n；

降維子模塊，用于根據(jù)所述預(yù)設(shè)訓(xùn)練模型，對(duì)所述第一向量模型進(jìn)行降維處理，得到所述第二向量模型。

在一個(gè)實(shí)施例中，所述第二確定模塊包括：

第二計(jì)算子模塊，用于根據(jù)所述第二向量模型和預(yù)設(shè)的計(jì)算公式，計(jì)算所述目標(biāo)歌曲與所述多首歌曲中其他歌曲的相似度，其中，所述預(yù)設(shè)的計(jì)算公式為：

其中，Sim(d_i,d_j)表示第i首歌曲與第j首歌曲的相似度，x_m,i表示第m個(gè)詞在第i首歌曲中的權(quán)重值，x_m,j表示第m個(gè)詞在第j首歌曲中的權(quán)重值；

確定子模塊，用于將相似度大于或者等于預(yù)設(shè)相似度的歌曲確定為與所述目標(biāo)歌曲相似的相似歌曲。

在一個(gè)實(shí)施例中，所述裝置還包括：

第三確定模塊，用于在獲取預(yù)設(shè)歌曲庫(kù)中多首歌曲的歌曲內(nèi)容之前，根據(jù)目標(biāo)終端對(duì)所述預(yù)設(shè)歌曲庫(kù)中歌曲的歷史操作確定所述目標(biāo)終端的使用者喜好的所述目標(biāo)歌曲；

推送模塊，用于在確定與所述目標(biāo)歌曲相似的相似歌曲之后，推送所述相似歌曲至所述目標(biāo)終端。

應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

本發(fā)明的其它特征和優(yōu)點(diǎn)將在隨后的說(shuō)明書(shū)中闡述，并且，部分地從說(shuō)明書(shū)中變得顯而易見(jiàn)，或者通過(guò)實(shí)施本發(fā)明而了解。本發(fā)明的目的和其他優(yōu)點(diǎn)可通過(guò)在所寫(xiě)的說(shuō)明書(shū)、權(quán)利要求書(shū)、以及附圖中所特別指出的結(jié)構(gòu)來(lái)實(shí)現(xiàn)和獲得。

下面通過(guò)附圖和實(shí)施例，對(duì)本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)描述。

附圖說(shuō)明

此處的附圖被并入說(shuō)明書(shū)中并構(gòu)成本說(shuō)明書(shū)的一部分，示出了符合本發(fā)明的實(shí)施例，并與說(shuō)明書(shū)一起用于解釋本發(fā)明的原理。

圖1是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法的流程圖。

圖2是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S102的流程圖。

圖3是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S103的流程圖。

圖4是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S104的流程圖。

圖5是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S105的流程圖。

圖6是根據(jù)一示例性實(shí)施例示出的另一種相似歌曲推薦方法的流程圖。

圖7是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置的框圖。

圖8是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置中計(jì)算模塊的框圖。

圖9是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置中降維模塊的框圖。

圖10是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置中第二確定模塊的框圖。

圖11是根據(jù)一示例性實(shí)施例示出的另一種相似歌曲推薦裝置的框圖。

具體實(shí)施方式

這里將詳細(xì)地對(duì)示例性實(shí)施例進(jìn)行說(shuō)明，其示例表示在附圖中。下面的描述涉及附圖時(shí)，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實(shí)施例中所描述的實(shí)施方式并不代表與本發(fā)明相一致的所有實(shí)施方式。相反，它們僅是與如所附權(quán)利要求書(shū)中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。

圖1是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法的流程圖。該相似歌曲推薦方法應(yīng)用于終端設(shè)備中，該終端設(shè)備可以是移動(dòng)電話(huà)，計(jì)算機(jī)，數(shù)字廣播終端，消息收發(fā)設(shè)備，游戲控制臺(tái)，平板設(shè)備，醫(yī)療設(shè)備，健身設(shè)備，個(gè)人數(shù)字助理等任一具有語(yǔ)音控制功能的設(shè)備。如圖1所示，該方法包括步驟S101-S105：

在步驟S101中，獲取預(yù)設(shè)歌曲庫(kù)中多首歌曲的歌曲內(nèi)容；其中，歌曲內(nèi)容可以是歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等。

在步驟S102中，計(jì)算多首歌曲中每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值；

在步驟S103中，根據(jù)每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值，確定多首歌曲對(duì)應(yīng)的第一預(yù)設(shè)維度的第一向量模型；

在步驟S104中，對(duì)第一向量模型進(jìn)行降維處理，得到第二預(yù)設(shè)維度的第二向量模型；

在步驟S105中，根據(jù)第二向量模型確定與多首歌曲中的目標(biāo)歌曲相似的相似歌曲。

在該實(shí)施例中，根據(jù)歌曲內(nèi)容為目標(biāo)歌曲確定與其相似的相似歌曲，其中，歌曲內(nèi)容可以是歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等，這樣，根據(jù)歌曲內(nèi)容為目標(biāo)歌曲確定相似歌曲，可以使相似歌曲與目標(biāo)歌曲的相似程度更高。

圖2是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S102的流程圖。

在一個(gè)實(shí)施例中，上述步驟S102包括步驟S201-S202：

在步驟S201中，對(duì)每首歌曲的歌曲內(nèi)容進(jìn)行分詞操作，得到多個(gè)詞；

在步驟S202中，計(jì)算多個(gè)詞中的每個(gè)詞在每首歌曲中的權(quán)重值。

在該實(shí)施例中，歌曲內(nèi)容可以是歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等，這樣，對(duì)歌曲內(nèi)容進(jìn)行分詞操作，進(jìn)而計(jì)算每個(gè)詞在歌曲中的權(quán)重值，即可得到每個(gè)詞對(duì)應(yīng)的統(tǒng)計(jì)值。

其中，統(tǒng)計(jì)值包括tf值和idf值。tf－某個(gè)詞在該歌曲中出現(xiàn)的頻率，idf－逆文檔頻率(頻率不高但很重要)。歌手、作詞、作曲、專(zhuān)輯、年代等詞語(yǔ)，這些詞語(yǔ)的idf值比較高。

圖3是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S103的流程圖。

如圖3所示，在一個(gè)實(shí)施例中，上述步驟S103包括步驟S301：

在步驟S301中，將多首歌曲中的所有詞的權(quán)重值組合，得到第一預(yù)設(shè)維度的第一向量模型，其中，第一向量模型表示為：

其中，x_c,n表示第c個(gè)詞在第n首歌曲中的權(quán)重值，第一預(yù)設(shè)維度為n維。

在該實(shí)施例中，假設(shè)n首歌曲中一共包含c個(gè)詞，根據(jù)每個(gè)詞的權(quán)重值，則組合成上述第一向量模型，其中，每一行代表一個(gè)詞的向量該向量描述了該詞和所有歌曲的關(guān)系，每一列代表一個(gè)歌曲向量該向量描述了該歌曲與所有詞的關(guān)系。

圖4是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S104的流程圖。

如圖4所示，在一個(gè)實(shí)施例中，上述步驟S104包括步驟S401-S402：

在步驟S401中，獲取第二預(yù)設(shè)維度的預(yù)設(shè)訓(xùn)練模型，其中，第二預(yù)設(shè)維度為m維，m＜n；

在步驟S402中，根據(jù)預(yù)設(shè)訓(xùn)練模型，對(duì)第一向量模型進(jìn)行降維處理，得到第二向量模型。

在該實(shí)施例中，預(yù)設(shè)訓(xùn)練模型可以是m維的向量空間，m可能是100，遠(yuǎn)小于n。m維的向量空間是經(jīng)過(guò)大量歌曲訓(xùn)練得到的，M維就是m個(gè)分類(lèi)。將n維向量做空間變換，變換到m維的向量空間，相當(dāng)于做降維處理，也是特征聚合處理，同時(shí)減少計(jì)算量。其中，可以采用LSA(Latent Semantic Analysis，潛在語(yǔ)義分析)算法進(jìn)行降維處理。

圖5是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦方法中步驟S105的流程圖。

如圖5所示，在一個(gè)實(shí)施例中，上述步驟105包括步驟S501-502：

在步驟S501中，根據(jù)第二向量模型和預(yù)設(shè)的計(jì)算公式，計(jì)算目標(biāo)歌曲與多首歌曲中其他歌曲的相似度，其中，預(yù)設(shè)的計(jì)算公式為：

其中，Sim(d_i,d_j)表示第i首歌曲與第j首歌曲的相似度，x_m,i表示第m個(gè)詞在第i首歌曲中的權(quán)重值，x_m,j表示第m個(gè)詞在第j首歌曲中的權(quán)重值；

在步驟S502中，將相似度大于或者等于預(yù)設(shè)相似度的歌曲確定為與目標(biāo)歌曲相似的相似歌曲。

在該實(shí)施例中，在確定了第二向量模型后，根據(jù)第二向量模型和預(yù)設(shè)的計(jì)算公式分別計(jì)算目標(biāo)歌曲與歌曲庫(kù)中其他歌曲的相似度。從而將與目標(biāo)歌曲之間的相似度大于或者等于預(yù)設(shè)相似度的歌曲確定為相似歌曲。例如，預(yù)設(shè)相似度為80％，則計(jì)算目標(biāo)歌曲與預(yù)設(shè)歌曲庫(kù)中其他歌曲之間的相似度，從而將所有相似度大于或者等于80％的歌曲確定為相似歌曲。

圖6是根據(jù)一示例性實(shí)施例示出的另一種相似歌曲推薦方法的流程圖。

如圖6所示，在一個(gè)實(shí)施例中，在步驟S101之前，上述方法還包括步驟S601：

在步驟S601中，根據(jù)目標(biāo)終端對(duì)預(yù)設(shè)歌曲庫(kù)中歌曲的歷史操作確定目標(biāo)終端的使用者喜好的目標(biāo)歌曲；

在步驟S105之后，上述方法還包括步驟S602：

在步驟S602中，推送相似歌曲至目標(biāo)終端。

在該實(shí)施例中，可以根據(jù)目標(biāo)終端的使用者對(duì)預(yù)設(shè)歌曲庫(kù)中歌曲的歷史操作確定用戶(hù)喜好的目標(biāo)歌曲，進(jìn)而根據(jù)歌曲內(nèi)容，如歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等確定與目標(biāo)歌曲相似的相似歌曲，從而將相似歌曲推薦給目標(biāo)終端的使用者，這樣，可以使得推薦歌曲與用戶(hù)之間的匹配度更高，推薦歌曲更符合用戶(hù)的喜好，提高用戶(hù)的滿(mǎn)意度。

下述為本發(fā)明裝置實(shí)施例，可以用于執(zhí)行本發(fā)明方法實(shí)施例。

圖7是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置的框圖，該裝置可以通過(guò)軟件、硬件或者兩者的結(jié)合實(shí)現(xiàn)成為終端設(shè)備的部分或者全部。如圖7所示，該相似歌曲推薦裝置包括：

獲取模塊71，用于獲取預(yù)設(shè)歌曲庫(kù)中多首歌曲的歌曲內(nèi)容；

計(jì)算模塊72，用于計(jì)算所述多首歌曲中每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值；

第一確定模塊73，用于根據(jù)所述每首歌曲的歌曲內(nèi)容的統(tǒng)計(jì)值，確定所述多首歌曲對(duì)應(yīng)的第一預(yù)設(shè)維度的第一向量模型；

降維模塊74，用于對(duì)所述第一向量模型進(jìn)行降維處理，得到第二預(yù)設(shè)維度的第二向量模型；

第二確定模塊75，用于根據(jù)所述第二向量模型確定與所述多首歌曲中的目標(biāo)歌曲相似的相似歌曲。

在該實(shí)施例中，根據(jù)歌曲內(nèi)容為目標(biāo)歌曲確定與其相似的相似歌曲，其中，歌曲內(nèi)容可以是歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等，這樣，根據(jù)歌曲內(nèi)容為目標(biāo)歌曲確定相似歌曲，可以使相似歌曲與目標(biāo)歌曲的相似程度更高。

圖8是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置中計(jì)算模塊的框圖。

如圖8所示，在一個(gè)實(shí)施例中，上述圖7所示的相似歌曲推薦裝置中計(jì)算模塊72包括：

分詞子模塊81，用于對(duì)每首歌曲的歌曲內(nèi)容進(jìn)行分詞操作，得到多個(gè)詞；

第一計(jì)算子模塊82，用于計(jì)算所述多個(gè)詞中的每個(gè)詞在所述每首歌曲中的權(quán)重值。

在該實(shí)施例中，歌曲內(nèi)容可以是歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等，這樣，對(duì)歌曲內(nèi)容進(jìn)行分詞操作，進(jìn)而計(jì)算每個(gè)詞在歌曲中的權(quán)重值，即可得到每個(gè)詞對(duì)應(yīng)的統(tǒng)計(jì)值。

其中，統(tǒng)計(jì)值包括tf值和idf值。tf－某個(gè)詞在該歌曲中出現(xiàn)的頻率，idf－逆文檔頻率(頻率不高但很重要)。歌手、作詞、作曲、專(zhuān)輯、年代等詞語(yǔ)，這些詞語(yǔ)的idf值比較高。

在一個(gè)實(shí)施例中，所述第一確定模塊用于：

將所述多首歌曲中的所有詞的權(quán)重值組合，得到第一預(yù)設(shè)維度的第一向量模型，其中，所述第一向量模型表示為：

其中，x_c,n表示第c個(gè)詞在第n首歌曲中的權(quán)重值，所述第一預(yù)設(shè)維度為n維。

在該實(shí)施例中，假設(shè)n首歌曲中一共包含c個(gè)詞，根據(jù)每個(gè)詞的權(quán)重值，則組合成上述第一向量模型，其中，每一行代表一個(gè)詞的向量該向量描述了該詞和所有歌曲的關(guān)系，每一列代表一個(gè)歌曲向量該向量描述了該歌曲與所有詞的關(guān)系。

圖9是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置中降維模塊的框圖。

如圖9所示，在一個(gè)實(shí)施例中，所述降維模塊74包括：

獲取子模塊91，用于獲取所述第二預(yù)設(shè)維度的預(yù)設(shè)訓(xùn)練模型，其中，所述第二預(yù)設(shè)維度為m維，m＜n；

降維子模塊92，用于根據(jù)所述預(yù)設(shè)訓(xùn)練模型，對(duì)所述第一向量模型進(jìn)行降維處理，得到所述第二向量模型。

在該實(shí)施例中，預(yù)設(shè)訓(xùn)練模型可以是m維的向量空間，m可能是100，遠(yuǎn)小于n。m維的向量空間是經(jīng)過(guò)大量歌曲訓(xùn)練得到的，M維就是m個(gè)分類(lèi)。將n維向量做空間變換，變換到m維的向量空間，相當(dāng)于做降維處理，也是特征聚合處理，同時(shí)減少計(jì)算量。其中，可以采用LSA(Latent Semantic Analysis，潛在語(yǔ)義分析)算法進(jìn)行降維處理。

圖10是根據(jù)一示例性實(shí)施例示出的一種相似歌曲推薦裝置中第二確定模塊的框圖。

如圖10所示，在一個(gè)實(shí)施例中，所述第二確定模塊75包括：

第二計(jì)算子模塊1001，用于根據(jù)所述第二向量模型和預(yù)設(shè)的計(jì)算公式，計(jì)算所述目標(biāo)歌曲與所述多首歌曲中其他歌曲的相似度，其中，所述預(yù)設(shè)的計(jì)算公式為：

其中，Sim(d_i,d_j)表示第i首歌曲與第j首歌曲的相似度，x_m,i表示第m個(gè)詞在第i首歌曲中的權(quán)重值，x_m,j表示第m個(gè)詞在第j首歌曲中的權(quán)重值；

確定子模塊1002，用于將相似度大于或者等于預(yù)設(shè)相似度的歌曲確定為與所述目標(biāo)歌曲相似的相似歌曲。

圖11是根據(jù)一示例性實(shí)施例示出的另一種相似歌曲推薦裝置的框圖。

如圖11所示，在一個(gè)實(shí)施例中，上述裝置還包括：

第三確定模塊1101，用于在獲取預(yù)設(shè)歌曲庫(kù)中多首歌曲的歌曲內(nèi)容之前，根據(jù)目標(biāo)終端對(duì)所述預(yù)設(shè)歌曲庫(kù)中歌曲的歷史操作確定所述目標(biāo)終端的使用者喜好的所述目標(biāo)歌曲；

推送模塊1102，用于在確定與所述目標(biāo)歌曲相似的相似歌曲之后，推送所述相似歌曲至所述目標(biāo)終端。

在該實(shí)施例中，可以根據(jù)目標(biāo)終端的使用者對(duì)預(yù)設(shè)歌曲庫(kù)中歌曲的歷史操作確定用戶(hù)喜好的目標(biāo)歌曲，進(jìn)而根據(jù)歌曲內(nèi)容，如歌詞、歌手、作詞、作曲、專(zhuān)輯、年代等確定與目標(biāo)歌曲相似的相似歌曲，從而將相似歌曲推薦給目標(biāo)終端的使用者，這樣，可以使得推薦歌曲與用戶(hù)之間的匹配度更高，推薦歌曲更符合用戶(hù)的喜好，提高用戶(hù)的滿(mǎn)意度。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明的實(shí)施例可提供為方法、系統(tǒng)、或計(jì)算機(jī)程序產(chǎn)品。因此，本發(fā)明可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明可采用在一個(gè)或多個(gè)其中包含有計(jì)算機(jī)可用程序代碼的計(jì)算機(jī)可用存儲(chǔ)介質(zhì)(包括但不限于磁盤(pán)存儲(chǔ)器和光學(xué)存儲(chǔ)器等)上實(shí)施的計(jì)算機(jī)程序產(chǎn)品的形式。

本發(fā)明是參照根據(jù)本發(fā)明實(shí)施例的方法、設(shè)備(系統(tǒng))、和計(jì)算機(jī)程序產(chǎn)品的流程圖和/或方框圖來(lái)描述的。應(yīng)理解可由計(jì)算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結(jié)合。可提供這些計(jì)算機(jī)程序指令到通用計(jì)算機(jī)、專(zhuān)用計(jì)算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器以產(chǎn)生一個(gè)機(jī)器，使得通過(guò)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的裝置。

這些計(jì)算機(jī)程序指令也可存儲(chǔ)在能引導(dǎo)計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備以特定方式工作的計(jì)算機(jī)可讀存儲(chǔ)器中，使得存儲(chǔ)在該計(jì)算機(jī)可讀存儲(chǔ)器中的指令產(chǎn)生包括指令裝置的制造品，該指令裝置實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能。

這些計(jì)算機(jī)程序指令也可裝載到計(jì)算機(jī)或其他可編程數(shù)據(jù)處理設(shè)備上，使得在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計(jì)算機(jī)實(shí)現(xiàn)的處理，從而在計(jì)算機(jī)或其他可編程設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個(gè)流程或多個(gè)流程和/或方框圖一個(gè)方框或多個(gè)方框中指定的功能的步驟。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。