本发明专利技术公开了一种基于人工智能的音乐推荐方法、装置、存储介质，方法包括：获取目标用户的历史音乐信息，历史音乐信息包括关键词信息和音频信息；对音频信息进行特征提取，得到MFCC特征信息；根据关键词信息从预设的推荐结果池中获取至少两个目标推荐结果；获取预先训练好的第一图卷积模型，将MFCC特征信息输入至第一图卷积模型，得到音乐偏好信息；根据音乐偏好信息确定至少两个目标推荐结果的排序，并输出排序结果。本发明专利技术利用历史音乐信息对应的MFCC特征信息作为图卷积模型的输入，相较于现有技术通过对音乐信息随机初始化作为图卷积网络的学习嵌入的方案，本方案能够保留不同音乐的特征信息，从而提高通过图卷积模型实现音乐推荐的准确性。乐推荐的准确性。乐推荐的准确性。
【技术实现步骤摘要】
基于人工智能的音乐推荐方法、装置、存储介质
[0001]本专利技术涉及但不限于人工智能
，尤其涉及一种基于人工智能的音乐推荐方法、装置、存储介质。
技术介绍
[0002]随着互联网科技和数字音乐的不断发展和普及，音乐成为人们生活中重要的存在，人们也逐渐从音乐匮乏的时代走入音乐过载的时代，但是，音乐过载带来一个问题：人们往往需要从海量的乐库中搜索自己喜欢的音乐，从而花费大量的时间，基于此，音乐推荐装置应运而生。现有的音乐推荐装置通过图卷积网络实现音乐推荐，但是在使用音乐文件对图卷积网络进行学习嵌入的时候，对图节点的初始化嵌入仅采用了随机初始化设置，忽略了不同的音乐文件的有效特征信息，从而导致音乐推荐的准确性较低，无法满足用户对音乐的个性化需求。
技术实现思路
[0003]以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
[0004]本专利技术实施例提供了一种基于人工智能的音乐推荐方法、装置、存储介质，能够有效提高音乐推荐的准确性，满足用户对音乐的个性化需求。
[0005]第一方面，本专利技术实施例提供了一种基于人工智能的音乐推荐方法，该音乐推荐方法包括：
[0006]获取目标用户的历史音乐信息，其中，所述历史音乐信息包括关键词信息和音频信息；
[0007]对所述音频信息进行特征提取，得到梅尔频率倒谱系数MFCC特征信息；
[0008]根据所述关键词信息从预设的推荐结果池中获取至少两个目标推荐结果；
[0009]获取预先训练好的第一图卷积模型，将所述MFCC特征信息输入至所述第一图卷积模型，得到音乐偏好信息；
[0010]根据所述音乐偏好信息确定至少两个所述目标推荐结果的排序，并输出排序结果。
[0011]在一些实施例中，所述第一图卷积模型根据以下步骤获得：
[0012]获取预设的关系图谱；
[0013]根据所述MFCC特征信息将所述关系图谱划分为多个子图；
[0014]获取预设的第二图卷积模型，根据多个所述子图对所述第二图卷积模型进行训练，得到所述第一图卷积模型。
[0015]在一些实施例中，所述目标用户的数量为多个，所述历史音乐信息还包括用户标识，所述关系图谱根据以下步骤获得：
[0016]获取映射信息，所述映射信息用于表征各个所述MFCC特征信息与各个所述用户标
识之间的映射关系；
[0017]通过关联所述MFCC特征信息和所述映射信息，得到所述关系图谱。
[0018]在一些实施例中，所述第一图卷积模型包括多个依次连接的卷积层，其中，排序位于上一层的卷积层的输出是排序位于下一层的卷积层的输入，所述将所述MFCC特征信息输入至所述第一图卷积模型，得到音乐偏好信息，包括：
[0019]从所述历史音乐信息中获取所述用户标识；
[0020]将所述用户标识和所述MFCC特征信息输入至所述第一卷积模型；
[0021]获取所述第一卷积模型中的每个卷积层输出的用户标识向量和MFCC特征信息向量，其中，所述用户标识向量与所述用户标识相对应，所述MFCC特征信息向量与所述MFCC特征信息相对应；
[0022]获取第一中间向量，所述第一中间值为全部的所述用户标识向量之和；
[0023]获取第二中间向量，所述第二中间值为全部的所述MFCC特征信息向量之和；
[0024]计算所述第一中间向量与所述第二中间向量的内积，得到所述音乐偏好信息。
[0025]在一些实施例中，所述对所述音频信息进行特征提取，得到MFCC特征信息，包括：
[0026]对所述音频信息进行预处理，得到预处理后的音频信息；
[0027]对所述预处理后的音频信息进行傅里叶变换得到第一频谱；
[0028]将所述第一频谱输入至预设的梅尔滤波器组进行滤波转换，得到第二频谱；
[0029]对所述第二频谱进行倒谱分析处理，得到所述MFCC特征信息。
[0030]在一些实施例中，所述根据所述音乐偏好信息确定至少两个所述目标推荐结果的排序之前，还包括：
[0031]根据所述关键词信息和所述目标推荐结果确定匹配数据，所述匹配数据用于表征所述关键词信息与所述目标推荐结果之间的匹配度评分；
[0032]根据所述匹配数据对所述目标推荐结果进行排序处理，得到排序后的目标推荐结果。
[0033]在一些实施例中，所述根据所述音乐偏好信息确定至少两个所述目标推荐结果的排序，并输出排序结果之后，还包括：
[0034]获取预设的过滤规则；
[0035]根据所述过滤规则对所述排序结果进行过滤处理，得到过滤后的排序结果。
[0036]第二方面，本专利技术实施例还提供了一种音乐推荐装置，包括：
[0037]数据采集模块，所述数据采集模块用于获取目标用户的历史音乐信息，其中，所述历史音乐信息包括关键词信息和音频信息；
[0038]特征提取模块，所述特征提取模块用于对所述音频信息进行特征提取，得到MFCC特征信息；
[0039]目标推荐结果获取模块，所述目标推荐结果获取模块用于根据所述关键词信息从预设的推荐结果池中获取至少两个目标推荐结果；
[0040]音乐偏好信息获取模块，所述音乐偏好信息获取模块用于获取预先训练好的第一图卷积模型，将所述MFCC特征信息输入至所述第一图卷积模型，得到音乐偏好信息；
[0041]目标推荐结果排序模块，所述目标推荐结果排序模块用于根据所述音乐偏好信息确定至少两个所述目标推荐结果的排序，并输出排序结果。
[0042]第三方面，本专利技术实施例还提供了一种音乐推荐装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的基于人工智能的音乐推荐方法。
[0043]第四方面，本专利技术实施例提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序用于执行如第一方面所述的基于人工智能的音乐推荐方法。
[0044]本专利技术实施例包括一种基于人工智能的音乐推荐方法、装置、存储介质，其中，基于人工智能的音乐推荐方法包括：获取目标用户的历史音乐信息，其中，所述历史音乐信息包括关键词信息和音频信息；对所述音频信息进行特征提取，得到梅尔频率倒谱系数MFCC特征信息；根据所述关键词信息从预设的推荐结果池中获取至少两个目标推荐结果；获取预先训练好的第一图卷积模型，将所述MFCC特征信息输入至所述第一图卷积模型，得到音乐偏好信息；根据所述音乐偏好信息确定至少两个所述目标推荐结果的排序，并输出排序结果。本专利技术利用历史音乐信息对应的MFCC特征信息作为图卷积模型的输入，相较于现有技术中通过对音乐信息进行随机初始化作为图卷积网络的学习嵌入的方案，本专利技术实施例提供的方案能够保留不同音乐的有效特征信息，从而提高通过图卷积模型实现音乐推荐的准确性。
[0045]本专利技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于人工智能的音乐推荐方法，其特征在于，包括：获取目标用户的历史音乐信息，其中，所述历史音乐信息包括关键词信息和音频信息；对所述音频信息进行特征提取，得到梅尔频率倒谱系数MFCC特征信息；根据所述关键词信息从预设的推荐结果池中获取至少两个目标推荐结果；获取预先训练好的第一图卷积模型，将所述MFCC特征信息输入至所述第一图卷积模型，得到音乐偏好信息；根据所述音乐偏好信息确定至少两个所述目标推荐结果的排序，并输出排序结果。2.根据权利要求1所述的方法，其特征在于，所述第一图卷积模型根据以下步骤获得：获取预设的关系图谱；根据所述MFCC特征信息将所述关系图谱划分为多个子图；获取预设的第二图卷积模型，根据多个所述子图对所述第二图卷积模型进行训练，得到所述第一图卷积模型。3.根据权利要求2所述的方法，其特征在于，所述目标用户的数量为多个，所述历史音乐信息还包括用户标识，所述关系图谱根据以下步骤获得：获取映射信息，所述映射信息用于表征各个所述MFCC特征信息与各个所述用户标识之间的映射关系；通过关联所述MFCC特征信息和所述映射信息，得到所述关系图谱。4.根据权利要求3所述的方法，其特征在于，所述第一图卷积模型包括多个依次连接的卷积层，其中，排序位于上一层的卷积层的输出是排序位于下一层的卷积层的输入，所述将所述MFCC特征信息输入至所述第一图卷积模型，得到音乐偏好信息，包括：从所述历史音乐信息中获取所述用户标识；将所述用户标识和所述MFCC特征信息输入至所述第一图卷积模型；获取所述第一卷积模型中的每个卷积层输出的用户标识向量和MFCC特征信息向量，其中，所述用户标识向量与所述用户标识相对应，所述MFCC特征信息向量与所述MFCC特征信息相对应；获取第一中间向量，所述第一中间值为全部的所述用户标识向量之和；获取第二中间向量，所述第二中间值为全部的所述MFCC特征信息向量之和；计算所述第一中间向量与所述第二中间向量的内积，得到所述音乐偏好信息。5.根据权利要求1所述的方法，其特征在于，所述对所述音频信息进行特征提取，得到MFCC...
【专利技术属性】
技术研发人员：司世景，王健宗，朱智韬，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。