曲库优化方法和装置制造方法及图纸

本发明专利技术涉及曲库优化方法和装置。所述方法包括：针对用户听歌行为信息，按照预置的评分规则确定投票数据信息；根据投票数据信息，应用威尔逊置信区间模型，以获取针对用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第一阈值，则将当前歌曲记作好歌，并将当前歌曲选取至歌曲库来对歌曲库进行优化。本发明专利技术实施例在将威尔逊置信区间模型应用到曲库优化的过程中，实现了曲库的自动化优化，提高了筛选好歌的效率，进一步地，基于用户听歌行为信息的多元化，且数据量大的特点，使得优化出的歌曲库更加精准，符合用户的需求。

Optimization method and device for curved storehouse

The invention relates to an optimization method and a device for a curve and library. The method includes: the voting data information is determined according to the preset scoring rules, and the Wilson confidence interval model is applied to obtain the range of confidence interval of each song for the behavior information of the user and the lower limit of the Wilson confidence interval according to the voting data information. The lower limit of the Wilson confidence interval of the song is more than equal to the first threshold of the pre set optimization of the library, then the song is recorded as a good song and the current song is selected to the song library to optimize the song library. In the process of applying the Wilson confidence interval model to the optimization of the curved library, the invention realizes the automatic optimization of the curved library and improves the efficiency of the selection of the good songs. Further, based on the diversity of the information of the behavior of the user listening to the song, and the large amount of data, the optimized song library is more accurate and conforms to the user. Demand.

【技术实现步骤摘要】
曲库优化方法和装置
本专利技术涉及音频
，具体而言，本专利技术涉及曲库优化方法和装置。
技术介绍
现有的对歌曲库的优化方法主要是基于人工筛选好歌曲。筛选好歌曲的方法具体为：通过人工编辑试听审核，按照各个编辑自己的喜好，筛选出好歌。第一种方法具体为：编辑根据歌曲热度进行歌曲筛选。基于歌曲热度进行筛选主要是考虑播放量，发行时间等因素。基于歌曲热度进行歌曲筛选的缺点是，筛选出的好歌数据不够准确，也不够全面。例如，由于歌曲库的更新慢，像新歌，以及冷门好听的歌曲，往往被忽略。第二种方法具体为：通过人工进行编辑，这样基于每个人的喜好不同，容易将个人的主观喜欢引入到好歌库的筛选中。此外，完全通过人工编辑筛选的效率低下，也没有引入淘汰机制，使得歌曲库的数据量过于庞大，需要耗费太多的人力和物力。进一步地，筛选出的好歌数据不够准确，也不够全面。往往这个编辑认为好听的歌曲，另外一个编辑就认为不好听。目前，对于数字音乐服务提供商，曲库优化主要为人工优化曲库。但是，人工优化曲库不仅需要消耗大量的人力成本，而且效率低下，识别的准确率低，难以对优化出的好歌库的质量进行质量监控，因此，需要一种自动曲库优化方法，实现对曲库的自动优化。
技术实现思路
本专利技术实施例在于提供曲库优化方法和装置，根据投票数据信息，应用威尔逊置信区间模型，以获取针对用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；比较当前歌曲的威尔逊置信区间的下限值与预先设置的进行曲库优化的第一阈值，若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第一阈值，则将当前歌曲记作好歌，并将当前歌曲选取至歌曲库来对歌曲库进行优化，从而实现了曲库的自动化优化，提高了筛选好歌的效率。第一方面，本专利技术实施例提供了曲库优化方法，所述方法包括：提取预定时间内的用户播放歌曲的日志，以从所述日志中获取到用户听歌行为信息；针对所述用户听歌行为信息，按照预置的评分规则确定投票数据信息；根据所述投票数据信息，应用威尔逊置信区间模型，以获取针对所述用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；比较当前歌曲的威尔逊置信区间的下限值与预先设置的进行曲库优化的第一阈值，若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第一阈值，则将当前歌曲记作好歌，并将当前歌曲选取至歌曲库来对所述歌曲库进行优化。优选的，所述用户听歌行为具体包括如下至少一种操作：用户点击当前歌曲的操作、用户下载当前歌曲的操作、用户搜索当前歌曲的操作、用户对当前歌曲执行点红心的操作、用户上传当前歌曲的操作、用户收藏当前歌曲的操作、用户完整播放当前歌曲的操作以及用户播放中途切换当前歌曲的操作。优选的，计算所述威尔逊置信区间模型对应的威尔逊置信区间的下限值的公式具体为：其中，为针对所述用户听歌行为信息的赞成票与投票总数的比值，n为针对所述用户听歌行为信息的投票总数，Z1-α/2为针对所述用户听歌行为信息的对应某一置信水平的Z统计量。优选的，针对所述用户听歌行为信息的对应某一置信水平的Z统计量为13。优选的，所述预置的评分规则具体包括如下至少一种：针对所述用户听歌行为作出的对当前歌曲的评分，以及针对用户收录歌曲的操作作出的对当前歌曲的评分。优选的，针对所述用户听歌行为作出的对当前歌曲的评分具体包括如下至少一种：用户完整收听当前歌曲记作对当前歌曲的评分为正整数1，用户多次收听当前歌曲记作对当前歌曲的评分为正整数3，用户跳过当前歌曲记作对当前歌曲的评分为负整数1，用户多次跳过当前歌曲记作对当前歌曲的评分为负整数3，用户多次单曲循环当前歌曲记作对当前歌曲的评分为正整数3。优选的，针对用户收录歌曲的操作作出的对当前歌曲的评分具体包括如下至少一种：用户执行收藏当前歌曲的操作记作对当前歌曲的评分为正整数1，用户记录喜欢当前歌曲的操作记作对当前歌曲的评分为正整数2，用户执行评论当前歌曲的操作记作对当前歌曲的评分为正整数1，用户记录喜欢演唱当前歌曲的歌手的操作记作对当前歌曲的评分为正整数1。优选的，若所述用户听歌行为信息显示出两首歌曲具有相同歌曲名和同一歌手，则选取当前评分高的歌曲至歌曲库以对所述歌曲库进行优化。优选的，在判断出当前歌曲的威尔逊置信区间的下限值小于预先设置的进行曲库优化的第一阈值之后，所述方法还包括：通过预先设置的进行曲库二次优化的第二阈值对当前歌曲进行第二次筛选，若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第二阈值，则将当前歌曲选取至待入选的歌曲库以对所述歌曲库进行优化，其中，所述曲库优化的第一阈值大于所述曲库优化的第二阈值。第二方面，本专利技术实施例提供了曲库优化方法装置，所述装置包括：听歌行为信息获取模块，提取预定时间内的用户播放歌曲的日志，以从所述日志中获取到用户听歌行为信息；投票数据信息确定模块，针对所述用户听歌行为信息，按照预置的评分规则确定投票数据信息；模型应用模块，根据所述投票数据信息，应用威尔逊置信区间模型，以获取针对所述用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；比较模块，比较当前歌曲的威尔逊置信区间的下限值与预先设置的进行曲库优化的第一阈值，若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第一阈值，则将当前歌曲记作好歌，并将当前歌曲选取至歌曲库来对所述歌曲库进行优化。本专利技术实施例提供了曲库优化方法，提取预定时间内的用户播放歌曲的日志，以从日志中获取到用户听歌行为信息；针对用户听歌行为信息，按照预置的评分规则确定投票数据信息；根据投票数据信息，应用威尔逊置信区间模型，以获取针对用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；比较当前歌曲的威尔逊置信区间的下限值与预先设置的进行曲库优化的第一阈值，若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第一阈值，则将当前歌曲记作好歌，并将当前歌曲选取至歌曲库来对歌曲库进行优化，从而实现了曲库的自动化优化，提高了筛选好歌的效率；进一步地，基于用户听歌行为信息的多元化，且数据量大的特点，使得优化出的歌曲库更加精准，符合用户的需求。本专利技术实施例根据投票数据信息，应用威尔逊置信区间模型，以获取针对用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值，从而实现了曲库的自动化优化。附图说明图1是本专利技术实施例提供的曲库优化方法流程图；图2是本专利技术实施例提供的曲库优化装置结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为便于对本专利技术实施例的理解，下面将结合附图以具体实施例做进一步的解释说明。本专利技术所提供的技术方案中，根据投票数据信息，应用威尔逊置信区间模型，以获取针对用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；比较当前歌曲的威尔逊置信区间的下限值与预先设置的进行曲库优化的第一阈值，若当前歌曲的威尔逊置信区间的下限值大于等本文档来自技高网...

【技术保护点】
曲库优化方法，其特征在于，包括：提取预定时间内的用户播放歌曲的日志，以从所述日志中获取到用户听歌行为信息；针对所述用户听歌行为信息，按照预置的评分规则确定投票数据信息；根据所述投票数据信息，应用威尔逊置信区间模型，以获取针对所述用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；比较当前歌曲的威尔逊置信区间的下限值与预先设置的进行曲库优化的第一阈值，若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第一阈值，则将当前歌曲记作好歌，并将当前歌曲选取至歌曲库来对所述歌曲库进行优化。

【技术特征摘要】
1.曲库优化方法，其特征在于，包括：提取预定时间内的用户播放歌曲的日志，以从所述日志中获取到用户听歌行为信息；针对所述用户听歌行为信息，按照预置的评分规则确定投票数据信息；根据所述投票数据信息，应用威尔逊置信区间模型，以获取针对所述用户听歌行为信息的每首歌曲置信区间的范围以及威尔逊置信区间的下限值；比较当前歌曲的威尔逊置信区间的下限值与预先设置的进行曲库优化的第一阈值，若当前歌曲的威尔逊置信区间的下限值大于等于预先设置的进行曲库优化的第一阈值，则将当前歌曲记作好歌，并将当前歌曲选取至歌曲库来对所述歌曲库进行优化。2.根据权利要求1所述的方法，其特征在于，所述用户听歌行为具体包括如下至少一种操作：用户点击当前歌曲的操作、用户下载当前歌曲的操作、用户搜索当前歌曲的操作、用户对当前歌曲执行点红心的操作、用户上传当前歌曲的操作、用户收藏当前歌曲的操作、用户完整播放当前歌曲的操作以及用户播放中途切换当前歌曲的操作。3.根据权利要求1所述的方法，其特征在于，计算所述威尔逊置信区间模型对应的威尔逊置信区间的下限值的公式具体为：其中，为针对所述用户听歌行为信息的赞成票与投票总数的比值，n为针对所述用户听歌行为信息的投票总数，Z1-α/2为针对所述用户听歌行为信息的对应某一置信水平的Z统计量。4.根据权利要求3所述的方法，其特征在于，针对所述用户听歌行为信息的对应某一置信水平的Z统计量为13。5.根据权利要求3所述的方法，其特征在于，所述预置的评分规则具体包括如下至少一种：针对所述用户听歌行为作出的对当前歌曲的评分，以及针对用户收录歌曲的操作作出的对当前歌曲的评分。6.根据权利要求5所述的方法，其特征在于，针对所述用户听歌行为作出的对当前歌曲的评分具体包括如下至少一种：用户完整收听当前歌曲记...

【专利技术属性】
技术研发人员：王志鹏，高玉敏，
申请(专利权)人：北京酷我科技有限公司，
类型：发明
国别省市：北京,11