推荐模型的训练方法、音频推荐方法及相关产品技术

本申请实施例公开了推荐模型的训练方法、音频推荐方法及相关产品，该训练方法包括：每组样本音频组中的多个正样本音频，至少一次被共同标记成不同用户账号的历史偏好音频；使用每组样本音频组中多个正样本音频之间的标签交集度，对应调整初始推荐模型的每组原损失函数值，得到各组新损失函数值；根据各组新损失函数值更新初始推荐模型的模型参数，以得到目标推荐模型。其中，引入多个正样本音频的音频标签，对原损失函数值进行调整，有助于本模型学习到音频本身的具体信息，从而引导本模型更深度、更全面地学习到用户对音频的偏好，摆脱现有模型完全依靠用户行为去探究音频关联性的局限性，能将新歌推荐给合适的用户，提升用户满意度。

【技术实现步骤摘要】

本申请实施例涉及音频，尤其涉及推荐模型的训练方法、音频推荐方法及相关产品。

技术介绍

1、现实情况中，音频推荐是用户听歌的重要渠道之一，也是新歌推广、宣发的重要途径。此推荐的目标是揣摩用户的听歌喜好，以将合适的歌曲推送给合适的人群。

2、现有方式中，可以根据用户行为找到用户喜欢的歌曲和不喜欢的歌曲，对音频推荐模型进行区分性训练，使得模型学习到用户对歌曲的偏好特性，进而辅助判断是否将当前歌曲推送给当前用户账号。

3、这种现有方式在某些音频推荐场景可以取得一定成效，但对于尚未发布或推广度不足的某些新歌而言，依赖这种方式挖掘出的用户听歌偏好特性是不够深度、不够全面的。因为新歌尚未被推广之前，缺乏针对其的充足历史用户行为数据(如是否被标记喜欢收藏或完播)，故在新歌的推荐场景中，无法根据现有的音频推荐模型推断其真正适合哪些用户群体。

技术实现思路

1、本申请实施例提供了推荐模型的训练方法、音频推荐方法及相关产品，用于充分、全面地提取用户对音频的偏好特性，以将新音频等推荐给合适的用户，提升用户满意本文档来自技高网...

【技术保护点】

1.一种推荐模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的推荐模型的训练方法，其特征在于，所述获得多组样本音频组，包括：

3.根据权利要求1或2所述的推荐模型的训练方法，其特征在于，所述获得多组样本音频组，包括：

4.根据权利要求1所述的推荐模型的训练方法，其特征在于，所述使用每组所述样本音频组中所述多个正样本音频之间的标签交集度，对应调整每组所述样本音频组的所述原损失函数值，得到各组新损失函数值，包括：

5.根据权利要求1或4所述的推荐模型的训练方法，其特征在于，使用每组所述样本音频组中所述多个正样本音频之间的标签交集度，对...

【技术特征摘要】

1.一种推荐模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的推荐模型的训练方法，其特征在于，所述获得多组样本音频组，包括：

3.根据权利要求1或2所述的推荐模型的训练方法，其特征在于，所述获得多组样本音频组，包括：

4.根据权利要求1所述的推荐模型的训练方法，其特征在于，所述使用每组所述样本音频组中所述多个正样本音频之间的标签交集度，对应调整每组所述样本音频组的所述原损失函数值，得到各组新损失函数值，包括：

5.根据权利要求1或4所述的推荐模型的训练方法，其特征在于，使用每组所述样本音频组中所述多个正样本音频之间的标签交集度，对应调整每...

【专利技术属性】
技术研发人员：王武城，宋泽文，
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：