音乐推荐方法、装置、电子设备及计算机可读存储介质制造方法及图纸

本申请提供了一种音乐推荐方法、装置、电子设备及计算机可读存储介质；方法包括：获得用户的静态特征数据和动态特征数据；通过音乐推荐模型的第一特征提取层，对静态特征数据进行特征提取，得到相应的静态特征；通过音乐推荐模型的第二特征提取层，对动态特征数据进行特征提取，得到相应的动态特征；通过音乐推荐模型的特征融合层，将静态特征和动态特征进行特征融合，得到相应的融合特征；通过音乐推荐模型的输出层，基于融合特征，对用户进行待推荐音乐的预测处理，得到相应的待推荐音乐集合；基于待推荐音乐集合，确定针对用户的推荐音乐，并将推荐音乐推荐给用户。通过本申请，能够使推荐的音乐更加符合用户偏好。够使推荐的音乐更加符合用户偏好。够使推荐的音乐更加符合用户偏好。

【技术实现步骤摘要】
音乐推荐方法、装置、电子设备及计算机可读存储介质


[0001]本申请涉及计算机技术，尤其涉及一种音乐推荐方法、装置、电子设备及计算机可读存储介质。

技术介绍

[0002]现有的音乐推荐方式中，通常是直接根据用户的静态属性，并结合具有相似属性的大量用户的偏好，来对该用户进行音乐推荐，这种方式推荐的音乐并不能针对每个用户的个体性差异来进行相应区别，从而使得推荐的音乐不够符合用户个体化偏好。

技术实现思路

[0003]本申请实施例提供一种音乐推荐方法、装置、电子设备及计算机可读存储介质，能够使推荐的音乐更加符合用户偏好。
[0004]本申请实施例的技术方案是这样实现的：
[0005]本申请实施例提供一种音乐推荐方法，包括：
[0006]获得用户的静态特征数据和动态特征数据；
[0007]通过音乐推荐模型的第一特征提取层，对所述静态特征数据进行特征提取，得到相应的静态特征；
[0008]通过所述音乐推荐模型的第二特征提取层，对所述动态特征数据进行特征提取，得到相应的动态特征；<br/>[0009]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种音乐推荐方法，其特征在于，包括：获得用户的静态特征数据和动态特征数据；通过音乐推荐模型的第一特征提取层，对所述静态特征数据进行特征提取，得到相应的静态特征；通过所述音乐推荐模型的第二特征提取层，对所述动态特征数据进行特征提取，得到相应的动态特征；通过所述音乐推荐模型的特征融合层，将所述静态特征和所述动态特征进行特征融合，得到相应的融合特征；通过所述所述音乐推荐模型的输出层，基于所述融合特征，对所述用户进行待推荐音乐的预测处理，得到相应的待推荐音乐集合；基于所述待推荐音乐集合，确定针对所述用户的推荐音乐，并将所述推荐音乐推荐给所述用户。2.根据权利要求1所述的音乐推荐方法，其特征在于，所述基于所述待推荐音乐集合，确定针对所述用户的推荐音乐，包括：获得时间信息及用户的位置信息；基于所述时间信息及所述位置信息，确定所述用户的用户行为；基于所述用户行为、用户行为与推荐音乐类别的对应关系，确定针对所述用户的推荐音乐类别集合；从所述待推荐音乐集合中，选取音乐类别归属于所述推荐音乐类别集合的待推荐音乐；将选取的待推荐音乐作为针对所述用户的推荐音乐。3.根据权利要求1所述的音乐推荐方法，其特征在于，所述方法还包括：接收针对所述推荐音乐的用户操作；基于所述用户操作，重新确定针对所述用户的推荐音乐；将重新确定的推荐音乐推荐给所述用户。4.根据权利要求3所述的音乐推荐方法，其特征在于，所述基于所述用户操作，重新确定针对所述用户的推荐音乐，包括：将所述用户操作对应的操作数据添加至所述动态特征数据中，得到新的动态特征数据；基于所述静态特征数据和所述新的动态特征数据，通过所述音乐推荐模型，对所述用户进行待推荐音乐的预测处理，得到新的待推荐音乐集合；基于所述新的待推荐音乐集合，重新确定针对所述用户的推荐音乐。5.根据权利要求1所述的音乐推荐方法，其特征在于，所述获得用户的静态特征数据和动态特征数据之前，所述方法还包括：获得样本静态特征数据、样本动态特征数据和样本推荐音乐集合；通过所述音乐推荐模型的第一特征提取层，对所述样本静态特征数据进行特征提取，得到相应的样本静态特征；通过所述音乐推荐模型的第二特征提取层，对所述样本动态特征数据进行特征...

【专利技术属性】
技术研发人员：李涵，
申请(专利权)人：卓尔智联武汉研究院有限公司，
类型：发明
国别省市：