一种歌曲检索方法、电子设备及计算机可读存储介质技术

本申请公开了一种歌曲检索方法、电子设备及计算机可读存储介质，获取目标歌曲检索信息；获得目标歌曲检索信息中各个目标检索词的目标音乐特征向量；确定各个目标检索词在目标歌曲检索信息中的目标前后关系；基于各目标检索词的目标音乐特征向量及目标前后关系，确定各个目标检索词的目标词权重；基于目标检索词及其对应的目标词权重，确定目标歌曲检索信息对应的歌曲检索结果。本申请基于目标音乐特征向量及目标前后关系确定目标词权重的话，相当于根据检索词本身的重要程度及其在目标歌曲检索信息中的重要程度来确定目标词权重，可以提高目标词权重的确定准确率，这样后续基于目标词权重进行歌曲检索的话，可以提高歌曲检索的准确率。的准确率。的准确率。

【技术实现步骤摘要】
一种歌曲检索方法、电子设备及计算机可读存储介质


[0001]本申请涉及信息处理
，更具体地说，涉及一种歌曲检索方法、电子设备及计算机可读存储介质。

技术介绍

[0002]当前，在歌曲检索过程中，可能需要计算检索词的词权重，并根据词权重来确定相应的歌曲检索结果，比如先确定歌曲检索信息中每个检索词的词权重，再根据词权重的大小值确定优先检索词，并输出优先检索词对应的检索结果等。在此过程中，可以通过query
‑
qanchor方法来计算词权重，也即将所有点击到同一歌曲检索结果的歌曲检索信息相连接，通过判断词语在歌曲检索信息中的出现频率来计算得到词权重。然而，上述query
‑
qanchor方法依赖的是已经存在的歌曲检索信息及待处理结果间的关联关系，但是该已经存在的关联关系中存在误导信息，比如不相似的两个歌曲检索信息会得到同样的歌曲检索结果、歌曲检索信息与歌曲检索结果之间的差别较大等，使得歌曲检索的准确性较差。
[0003]综上所述，如何准确进行歌曲检索是目前本领域技术人员亟待解决的问题。

技术实现思路

[0004]本申请的目的是提供一种歌曲检索方法，其能在一定程度上解决如何准确进行歌曲检索的技术问题。本申请还提供了一种电子设备及计算机可读存储介质。
[0005]第一方面，本申请公开了一种歌曲检索方法，包括：
[0006]获取目标歌曲检索信息；
[0007]对所述目标歌曲检索信息中各个目标检索词进行归一化处理，获得每个所述目标检索词的目标音乐特征向量，所述目标音乐特征向量用于表示所述目标检索词在音乐领域的特点；
[0008]将各个所述目标检索词输入至语言神经网络模型，获取各个所述目标检索词在所述目标歌曲检索信息中的目标前后关系；
[0009]基于各所述目标检索词的所述目标音乐特征向量及所述目标前后关系，确定各个所述目标检索词的目标词权重；
[0010]基于所述目标检索词及其对应的所述目标词权重，确定所述目标歌曲检索信息对应的歌曲检索结果。
[0011]可选的，所述目标音乐特征向量至少包括初始词权重、命名实体识别特征、紧密度中的一个；
[0012]其中，所述初始词权重包括基于query
‑
qanchor方法确定的词权重；所述命名实体识别特征用于表示所述目标检索词在音乐领域的类别；所述紧密度用于表示所述目标检索词在音乐领域的共现概率。
[0013]可选的，所述将各个所述目标检索词输入至语言神经网络模型，获取各个所述目标检索词在所述目标歌曲检索信息中的目标前后关系，包括：
[0014]确定各个所述目标检索词的词嵌入特征信息；
[0015]将所述词嵌入特征信息输入至所述语言神经网络模型，获取各个所述词嵌入特征信息对应的deep特征；
[0016]将所述deep特征作为对应的所述目标检索词的所述目标前后关系。
[0017]可选的，所述基于各所述目标检索词的所述目标音乐特征向量及所述目标前后关系，确定各个所述目标检索词的目标词权重，包括：
[0018]对所述目标检索词对应的所述目标音乐特征向量和所述目标前后关系进行向量拼接，得到对应的目标向量拼接结果；
[0019]基于所述目标向量拼接结果确定所述目标检索词的所述目标词权重。
[0020]可选的，所述基于所述目标向量拼接结果确定所述目标检索词的所述目标词权重，包括：
[0021]将所述目标向量拼接结果输入至目标神经网络模型，获取所述目标检索词的所述目标词权重。
[0022]可选的，所述对所述目标检索词对应的所述目标音乐特征向量和所述目标前后关系进行向量拼接，得到对应的目标向量拼接结果，包括：
[0023]通过预先确定的词权重计算公式，对所述目标检索词对应的所述目标音乐特征向量和所述目标前后关系进行向量拼接，得到对应的所述目标向量拼接结果；
[0024]所述词权重计算公式包括：
[0025]θ＝W
a1
*α+W
a2
*β+b；
[0026]其中，θ表示所述目标向量拼接结果；α表示所述目标音乐特征向量对应的数值信息；W
a1
表示所述目标音乐特征向量对应的拼接权重值；β表示所述目标前后关系对应的数值信息；W
a2
表示所述目标前后关系对应的拼接权重值；b表示预设常数值。
[0027]可选的，所述基于所述目标检索词及其对应的所述目标词权重，确定所述目标歌曲检索信息对应的歌曲检索结果，包括：
[0028]判断所述目标词权重是否大于预设数值；
[0029]若所述目标词权重大于所述预设数值，则将所述目标词权重对应的所述目标检索词分类为目标必留词；
[0030]若所述目标词权重小于等于所述预设数值，则将所述目标词权重对应的所述目标检索词分类为目标非必留词；
[0031]基于所述目标必留词进行歌曲检索，得到所述歌曲检索结果。
[0032]可选的，所述词权重计算公式的确定过程包括：
[0033]获取训练歌曲检索信息；
[0034]确定所述训练歌曲检索信息中各个训练检索词的训练音乐特征向量；
[0035]将各个所述训练检索词输入至所述语言神经网络模型，获取各个所述训练检索词在所述训练歌曲检索信息中的训练前后关系；
[0036]获取初始的所述词权重计算公式；
[0037]基于初始的所述词权重计算公式，对所述训练检索词语对应的所述训练音乐特征向量和所述训练前后关系进行向量拼接，得到对应的训练向量拼接结果；
[0038]基于所述训练向量拼接结果确定所述训练检索词的训练词权重；
[0039]判断所述训练词权重是否大于所述预设数值；若所述训练词权重大于所述预设数值，则将所述训练词权重对应的所述训练检索词分类为训练必留词；若所述训练词权重小于等于所述预设数值，则将所述训练词权重对应的所述训练检索词分类为训练非必留词；
[0040]基于所述训练必留词和所述训练非必留词确定所述词权重计算公式的损失值；
[0041]基于所述损失值调整所述词权重计算公式，直到得到预先训练的所述词权重计算公式。
[0042]可选的，所述基于所述训练必留词和所述训练非必留词确定所述词权重计算公式的损失值，包括：
[0043]通过损失值计算公式，基于所述训练必留词和所述训练非必留词确定所述词权重计算公式的损失值；
[0044]所述损失值计算公式包括：
[0045]Loss(query)＝MSE(Final(term
a1
))+Softmax(Final(term
a2
))；
[0046]其中，Loss(query)表示所述损失值；Final(term
a1
)表示所述训练必留词的训练词权重；MSE表示均方误差函数；Final(term
a2...

【技术保护点】

【技术特征摘要】
1.一种歌曲检索方法，其特征在于，包括：获取目标歌曲检索信息；对所述目标歌曲检索信息中各个目标检索词进行归一化处理，获得每个所述目标检索词的目标音乐特征向量，所述目标音乐特征向量用于表示所述目标检索词在音乐领域的特点；将各个所述目标检索词输入至语言神经网络模型，获取各个所述目标检索词在所述目标歌曲检索信息中的目标前后关系；基于各所述目标检索词的所述目标音乐特征向量及所述目标前后关系，确定各个所述目标检索词的目标词权重；基于所述目标检索词及其对应的所述目标词权重，确定所述目标歌曲检索信息对应的歌曲检索结果。2.根据权利要求1所述的方法，其特征在于，所述目标音乐特征向量至少包括初始词权重、命名实体识别特征、紧密度中的一个；其中，所述初始词权重包括基于query
‑
qanchor方法确定的词权重；所述命名实体识别特征用于表示所述目标检索词在音乐领域的类别；所述紧密度用于表示所述目标检索词在音乐领域的共现概率。3.根据权利要求1所述的方法，其特征在于，所述将各个所述目标检索词输入至语言神经网络模型，获取各个所述目标检索词在所述目标歌曲检索信息中的目标前后关系，包括：确定各个所述目标检索词的词嵌入特征信息；将所述词嵌入特征信息输入至所述语言神经网络模型，获取各个所述词嵌入特征信息对应的deep特征；将所述deep特征作为对应的所述目标检索词的所述目标前后关系。4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于各所述目标检索词的所述目标音乐特征向量及所述目标前后关系，确定各个所述目标检索词的目标词权重，包括：对所述目标检索词对应的所述目标音乐特征向量和所述目标前后关系进行向量拼接，得到对应的目标向量拼接结果；基于所述目标向量拼接结果确定所述目标检索词的所述目标词权重。5.根据权利要求4所述的方法，其特征在于，所述基于所述目标向量拼接结果确定所述目标检索词的所述目标词权重，包括：将所述目标向量拼接结果输入至目标神经网络模型，获取所述目标检索词的所述目标词权重。6.根据权利要求4所述的方法，其特征在于，所述对所述目标检索词对应的所述目标音乐特征向量和所述目标前后关系进行向量拼接，得到对应的目标向量拼接结果，包括：通过预先确定的词权重计算公式，对所述目标检索词对应的所述目标音乐特征向量和所述目标前后关系进行向量拼接，得到对应的所述目标向量拼接结果；所述词权重计算公式包括：θ＝W
a1
*α+W
a2
*β+b；其中，θ表示所述目标向量拼接结果；α表示所述目标音乐特征向量对应的数值信息；W
a1
表示所述目标音乐特征向量对应的拼接权重值；β表示所述目标前后关系对应的数值信息；W
a2
...

【专利技术属性】
技术研发人员：万鑫瑞，
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：