【技术实现步骤摘要】
歌曲搜索方法、装置、存储介质和计算设备
[0001]本公开的实施方式涉及计算机
，更具体地，本公开的实施方式涉及一种歌曲搜索方法、装置、存储介质和计算设备。
技术介绍
[0002]本部分旨在为说明书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
[0003]在相关技术中，歌曲搜索一般是根据搜索方提供的搜索文本，从字面粒度上进行歌曲匹配。
[0004]通过这种方式搜索到的歌曲主要体现为：歌曲名称与搜索文本在字面上一致。然而，某些歌曲的歌曲名称虽然与搜索文本不一致、但其歌曲主题或者表达的情感恰好符合搜索文本的搜索需求，这样的歌曲无法被搜索到，导致相关技术提供的歌曲搜索存在搜搜结果不全面的问题。
技术实现思路
[0005]在本公开实施方式的第一方面中，提供了一种歌曲搜索方法。该方法包括：
[0006]响应于歌曲搜索请求，获取所述歌曲搜索请求包含的搜索文本；
[0007]确定所述搜索文本中具有情感语义的搜索关键词，并计算所述搜索关键词的
【技术保护点】
【技术特征摘要】
1.一种歌曲搜索方法，包括：响应于歌曲搜索请求，获取所述歌曲搜索请求包含的搜索文本；确定所述搜索文本中具有情感语义的搜索关键词，并计算所述搜索关键词的第一词向量；将所述第一词向量与歌曲库中的各个第二词向量进行匹配，确定与所述第一词向量匹配的目标第二词向量；其中，所述第二词向量基于所述歌曲库中歌曲的评论文本中具有情感语义的评论关键词所计算的词向量；将所述目标第二词向量对应的目标歌曲确定为搜索到的歌曲。2.根据权利要求1所述的方法，所述第一词向量和第二词向量通过相同的词向量模型计算得到，并且所述词向量模型通过以下方式训练：获取不同用户的历史搜索行为构建的若干消费序列，和不同歌曲的历史评论文本构建的若干评论序列；其中，每个消费序列由对应的历史搜索行为中的若干搜索关键词构成，每个评论序列由对应的历史评论文本中的若干评论关键词构成；将所述消费序列和所述评论序列合并为样本序列后输入到词向量模型进行训练，以使所述词向量模型学习所述样本序列中各个关键词的上下文中其他词汇的出现概率，并基于所述关键词的上下文中其他词汇的出现概率生成所述关键词的词向量。3.根据权利要求2所述的方法，在所述学习所述样本序列中各个关键词的上下文中其他词汇的出现概率之前，还包括：针对每个样本序列的每个关键词，确定负例词和正例词；其中，正例词包括该关键词的上下文中出现的关键词，负例词包括该关键词的上下文中没有出现的关键词；将所述正例词和负例词作为训练标签随样本序列输入到词向量模型。4.根据权利要求3所述的方法，所述确定负例词，包括：随机获取若干待校验的负例词；从第三方的词向量库中获取每个待校验的负例词的词向量...
【专利技术属性】
技术研发人员：刘卉芸，王寒蕊，宋羽珩，王炜，解忠乾，罗川江，侯梦晗，
申请(专利权)人：杭州网易云音乐科技有限公司，
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。