一种音频文件推荐方法、装置和存储介质制造方法及图纸

本发明专利技术实施例公开了一种音频文件推荐方法、装置及存储介质，本发明专利技术实施例中方法包括：获取样本音频文件；根据预设卷积神经网络模型对样本音频文件进行特征提取，得到样本音频文件的样本属性值；根据样本属性值，计算音频数据库中各音频文件与样本音频文件之间的对比相似度；在音频数据库中进行音频检索，以确定对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐待推荐音频文件。本发明专利技术实施例中可以通过获取样本音频来确定音频文件检索需求，充分利用卷积神经网络对空间信息的描述能力，进行音频文件相似度计算，有效提升了音频文件推荐的准确度。

An Audio File Recommendation Method, Device and Storage Media

【技术实现步骤摘要】
一种音频文件推荐方法、装置和存储介质
本专利技术涉及音频处理
，具体涉及一种音频文件推荐方法、装置和存储介质。
技术介绍
音频文件作为一种重要的媒体资源，音频文件的检索对于音乐数据库和数字图书馆建设有着非常重要的意义。网络上多媒体资源量非常巨大，人们需要高效的搜索引擎从浩如烟海的数据中找出需要的音乐资源。另外，音频文件检索在卡拉OK检索以及辅助视频检索等方面都有广阔的研究前景和巨大的应用价值。面对不断增长的海量资源与人们对音频文件检索的高标准，音频文件检索需求也不断增加。利用相关技术实现对于相似音频文件的检索及推荐，不仅可以改变现在的人工检索方式，而且用户可以根据用户自己喜欢的声音和风格检索喜欢的音频文件，不仅可以节约大量的时间，能够取得更好的效果，同时，系统也可以从大量的音频数据库中自动选择用户喜爱的音频文件，满足个性化音频文件推荐和服务。目前，现有技术中，系统基于用户选择的音频文件检索推荐音频或者系统自动对用户喜欢的音频文件进行检索推荐，均主要是综合利用音频文件背景音色、音频文件对应的声音特点等特征来进行音频的检索，进而向用户推荐检索的音频文件，现有技术音频文件推荐不够细致精准，难以匹配用户个性化需求。
技术实现思路
本专利技术实施例提供一种音频文件推荐方法，提升了音频文件推荐的准确度，实现了音频的个性化推荐。第一方面，本申请提供了一种音频文件推荐方法，所述方法包括：获取样本音频文件；根据预设卷积神经网络模型对所述样本音频文件进行特征提取，得到所述样本音频文件的样本属性值；根据所述样本属性值，计算所述音频数据库中各音频文件与所述样本音频文件之间的对比相似度；在所述音频数据库中进行音频检索，以确定所述对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐所述待推荐音频文件。可选的，所述比较所述各音频文件与所述样本音频文件之间的第二属性对比相似度与所述第二基准属性相似度的大小，以确定所述待推荐音频文件，包括：确定所述各音频文件与所述样本音频文件之间的第二属性对比相似度大于所述第二基准属性相似度的音频文件为待推荐音频文件；所述推荐所述待推荐音频文件，包括：按照所述待推荐音频文件与所述样本音频文件之间的第二属性对比相似度的取值大小，对所述待推荐音频文件进行优先级排序，得到所述待推荐音频文件的优先级；根据所述待推荐音频文件的优先级推荐所述待推荐音频文件。可选的，所述获取样本音频文件包括：获取用户已进行第二目标操作的多个音频文件，以所述多个音频文件为样本音频文件；所述获取多个目标音频属性对应的基准相似度，包括：确定所述多个音频文件对应的共有目标音频属性；获取预设的所述共有目标音频属性对应的基准属性相似度，以得到基准相似度；所述根据所述样本属性值，计算所述音频数据库中各音频文件与所述样本音频文件之间的对比相似度，包括：以所述多个音频文件中任一音频文件为目标样本音频文件，根据所述样本属性值，计算所述各音频文件与所述目标样本音频文件之间的对比相似度。可选的，在根据预设卷积神经网络模型对所述样本音频文件进行特征提取，得到所述样本音频文件的样本属性值之前，所述方法还包括：获取多个训练音频文件的频谱特征数据；利用所述多个训练音频文件的频谱特征数据对预设卷积神经网络进行训练，得到所述多个训练音频文件的属性预测值；获取多个训练音频文件的属性真实值，并对所述多个训练音频文件的属性真实值和属性预测值进行收敛，得到所述卷积神经网络模型。第二方面，本申请提供一种音频文件推荐装置，所述装置包括：获取单元，用于获取样本音频文件；特征提取单元，用于根据预设卷积神经网络模型对所述样本音频文件进行特征提取，得到所述样本音频文件的样本属性值；计算单元，用于根据所述样本属性值，计算所述音频数据库中各音频文件与所述样本音频文件之间的对比相似度；推荐单元，用于在所述音频数据库中进行音频检索，以确定所述对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐所述待推荐音频文件。可选的，所述获取单元还用于获取多个目标音频属性对应的基准相似度，所述基准相似度用于在预设的音频数据库中检索与所述样本音频文件相似的音频文件；所述推荐单元具体用于在所述音频数据库中进行音频检索，以确定所述基准相似度和对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐所述待推荐音频文件。可选的，所述计算单元包括获取子单元和第一计算子单元，具体如下：获取子单元，用于根据所述多个目标音频属性获取所述各音频文件的属性值；第一计算子单元，用于分别计算所述样本属性值和所述各音频文件的属性值之间的相似度，得到所述各音频文件与所述样本音频文件之间的对比相似度。可选的，所述卷积神经网络模型包括所述多个目标音频属性对应的属性卷积神经网络模型；所述获取子单元具体用于：获取所述各音频文件的频谱特征数据；分别将所述各音频文件的频谱特征数据输入各个属性卷积神经网络模型中，得到所述各音频文件的候选音频属性值；选择与所述多个目标音频属性对应的候选音频属性值作为所述各音频文件的属性值。可选的，所述特征提取单元具体用于：对所述样本音频文件进行频谱特征提取，得到样本频谱特征数据；将所述样本频谱特征数据分别输入各个属性卷积神经网络模型中，得到所述样本音频文件的候选样本音频属性值；选择与所述多个目标音频属性对应的候选样本音频属性值作为所述样本音频文件的样本属性值。可选的，所述计算单元包括第二计算子单元和第三计算子单元，具体如下：第二计算子单元，用于分别以所述各音频文件中的音频文件为目标音频文件，计算所述目标音频文件与所述样本音频文件对应的音频属性值之间的相似度，得到所述目标音频文件与所述样本音频文件之间各目标音频属性的属性对比相似度；第三计算子单元，用于根据所述各目标音频属性的属性对比相似度，计算所述目标音频文件与所述样本音频文件之间的对比相似度。可选的，所述第三计算子单元具体用于：获取预设的各目标音频属性的权重值；根据所述各目标音频属性的属性对比相似度及所述各目标音频属性的权重值，计算所述目标音频文件与所述样本音频文件之间的对比相似度。可选的，所述第三计算子单元具体用于：根据所述各目标音频属性的属性对比相似度及所述各目标音频属性的权重值，计算所述各目标音频属性的有效属性相似度；对所述各目标音频属性的有效属性相似度进行求和运算，得到所述目标音频文件与所述样本音频文件之间的对比相似度。可选的，所述获取单元具体用于：获取用户设置的样本音频文件；获取用户设置的所述多个目标音频属性的基准属性相似度；根据预设算法对所述多个目标音频属性的基准属性相似度进行计算，得到基准相似度。可选的，所述推荐单元具体用于：比较所述各音频文件与所述样本音频文件之间的对比相似度与所述基准相似度的大小；确定所述各音频文件中与所述样本音频文件之间的对比相似度大于所述基准相似度的音频文件为待推荐音频文件。可选的，所述第三计算子单元具体用于：将所述各目标音频属性的属性对比相似度，作为所述目标音频文件与所述样本音频文件之间的对比相似度；所述获取单元具体用于：在播放音频文件时，若获取到用户对当前音频文件进行第一目标操作的指令，则获取当前音频文件，将当前音频文件作为所述样本音频文件；获取预设的所述多个目标音频属性对应的基准属性相似度，作为基准相似度。可本文档来自技高网...

【技术保护点】
1.一种音频文件推荐方法，其特征在于，所述方法包括：获取样本音频文件；根据预设卷积神经网络模型对所述样本音频文件进行特征提取，得到所述样本音频文件的样本属性值；根据所述样本属性值，计算所述音频数据库中各音频文件与所述样本音频文件之间的对比相似度；在所述音频数据库中进行音频检索，以确定所述对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐所述待推荐音频文件。

【技术特征摘要】
1.一种音频文件推荐方法，其特征在于，所述方法包括：获取样本音频文件；根据预设卷积神经网络模型对所述样本音频文件进行特征提取，得到所述样本音频文件的样本属性值；根据所述样本属性值，计算所述音频数据库中各音频文件与所述样本音频文件之间的对比相似度；在所述音频数据库中进行音频检索，以确定所述对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐所述待推荐音频文件。2.根据权利要求1所述的音频文件推荐方法，其特征在于，所述方法还包括：获取多个目标音频属性对应的基准相似度，所述基准相似度用于在预设的音频数据库中检索与所述样本音频文件相似的音频文件；所述在所述音频数据库中进行音频检索，以确定所述对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐所述待推荐音频文件，包括：在所述音频数据库中进行音频检索，以确定所述基准相似度和对比相似度满足预设条件的音频文件为待推荐音频文件，并推荐所述待推荐音频文件。3.根据权利要求2所述的音频文件推荐方法，其特征在于，所述根据所述样本属性值，计算所述音频数据库中各音频文件与所述样本音频文件之间的对比相似度，包括：根据所述多个目标音频属性获取所述各音频文件的属性值；分别计算所述样本属性值和所述各音频文件的属性值之间的相似度，得到所述各音频文件与所述样本音频文件之间的对比相似度。4.根据权利要求3所述的音频文件推荐方法，其特征在于，所述卷积神经网络模型包括所述多个目标音频属性对应的属性卷积神经网络模型；所述根据所述多个目标音频属性获取所述各音频文件的属性值，包括：获取所述各音频文件的频谱特征数据；分别将所述各音频文件的频谱特征数据输入各个属性卷积神经网络模型中，得到所述各音频文件的候选音频属性值；选择与所述多个目标音频属性对应的候选音频属性值作为所述各音频文件的属性值。5.根据权利要求4所述的音频文件推荐方法，其特征在于，所述根据预设卷积神经网络模型对所述样本音频文件进行特征提取，得到所述样本音频文件的样本属性值，包括：对所述样本音频文件进行频谱特征提取，得到样本频谱特征数据；将所述样本频谱特征数据分别输入各个属性卷积神经网络模型中，得到所述样本音频文件的候选样本音频属性值；选择与所述多个目标音频属性对应的候选样本音频属性值作为所述样本音频文件的样本属性值。6.根据权利要求3所述的音频文件推荐方法，其特征在于，所述分别计算所述样本属性值和所述各音频文件的属性值之间的相似度，得到所述各音频文件与所述样本音频文件之间的对比相似度，包括：分别以所述各音频文件中的音频文件为目标音频文件，计算所述目标音频文件与所述样本音频文件对应的音频属性值之间的相似度，得到所述目标音频文件与所述样本音频文件之间各目标音频属性的属性对比相似度；根据所述各目标音频属性的属性对比相似度，计算所述目标音频文件与所述样本音频文件之间的对比相似度。7.根据权利要求6所述的音频文件推荐方法，其特征在于，所述根据所述各目标音频属性的属性对比相似度，计算所述目标音频文件与所述样本音频文件之间的对比相似度，包括：获取预设的各目标音频属性的权重值；根据所述各目标音频属性的属性对比相似度及所述各目标音频属性的权重值，计算所述目标音频文件与所述样本音频文件之间的对比相似度。8.根据权利要求7所述的音频文件推荐方法，其特征在于，所述根据所述各目标音频属性的属性对比相似度及所述各目标音频属性的权重值，计算所述目标音频文件与所述样本音频文件之间的对比相似度，包括：根据所述各目标音频属性的属性对比相似度及所述各目标音频属性的...

【专利技术属性】
技术研发人员：李岩，王汉杰，叶浩，陈波，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44