本申請(qǐng)涉及互聯(lián)網(wǎng)，特別是涉及一種歌曲推薦模型的訓(xùn)練方法、計(jì)算機(jī)設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。

背景技術(shù)：

1、目前，傳統(tǒng)的歌曲推薦系統(tǒng)是采用用戶長(zhǎng)期積累的聽(tīng)歌歷史構(gòu)建訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練，該歌曲推薦系統(tǒng)適合普通歌曲的推薦場(chǎng)景，針對(duì)在大量用戶已經(jīng)聽(tīng)過(guò)該普通歌曲的情況下。

2、針對(duì)新歌投放場(chǎng)景，在尚未推廣之前無(wú)法根據(jù)歷史用戶行為推斷適合的用戶群體，僅能根據(jù)歌曲本身的音頻信息進(jìn)行分析并推送，以解決新歌“冷啟動(dòng)”問(wèn)題。由于沒(méi)有充足的用戶聽(tīng)歌歷史可以學(xué)習(xí)，搜集充足的訓(xùn)練樣本較為困難，采用傳統(tǒng)的歌曲推薦方式無(wú)法充足利用已有信息，對(duì)有限的用戶歌曲交互信息挖掘不充分，導(dǎo)致針對(duì)新歌的投放效果不佳。

技術(shù)實(shí)現(xiàn)思路

1、基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種能夠提升新歌投放效果的歌曲推薦模型的訓(xùn)練方法、計(jì)算機(jī)設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品。

2、第一方面，本申請(qǐng)?zhí)峁┝艘环N歌曲推薦模型的訓(xùn)練方法。所述方法包括：

3、獲取歷史投放對(duì)象的互動(dòng)歌曲集合，根據(jù)所述互動(dòng)歌曲集合確定多個(gè)第一樣本組合和至少一類第二樣本組合；其中，所述第一樣本組合包括兩首歌曲，所述第二樣本組合包括至少三首歌曲且同一類所述第二樣本組合包括的歌曲數(shù)量相同；不同所述第一樣本組合的至少一首歌曲不同，同一類所述第二樣本組合中不同的所述第二樣本組合包括不同的至少三首歌曲；

4、根據(jù)所述歌曲推薦模型輸出的各所述第一樣本組合的歌曲表征信息，確定第一損失函數(shù)值；所述第一損失函數(shù)值用于表征所述第一樣本組合內(nèi)的歌曲之間的特征距離；

5、根據(jù)所述歌曲推薦模型輸出的各所述第二樣本組合的歌曲表征信息，確定第二損失函數(shù)值；所述第二損失函數(shù)值用于表征所述第二樣本組合內(nèi)的各歌曲與偏好中心之間的特征距離；

6、根據(jù)所述歌曲推薦模型輸出的各所述第一樣本組合中歌曲片段對(duì)應(yīng)的歌曲表征信息，確定第三損失函數(shù)值；所述第三損失函數(shù)值用于表征所述第一樣本組合內(nèi)歌曲的歌曲片段之間的特征距離；

7、根據(jù)所述第一損失函數(shù)值、所述第二損失函數(shù)值，以及所述第三損失函數(shù)值，訓(xùn)練所述歌曲推薦模型。

8、第二方面，本申請(qǐng)?zhí)峁┝艘环N歌曲推薦方法。所述方法包括：

9、獲取新歌投放任務(wù)中的目標(biāo)歌曲；

10、通過(guò)歌曲推薦模型，從多個(gè)歌曲偏好對(duì)象中確定出與所述目標(biāo)歌曲相匹配的目標(biāo)歌曲偏好對(duì)象；其中，所述歌曲推薦模型為由任一項(xiàng)所述的歌曲推薦模型的訓(xùn)練方法訓(xùn)練得到；

11、將所述目標(biāo)歌曲下發(fā)至所述目標(biāo)歌曲偏好對(duì)象。

12、第三方面，本申請(qǐng)還提供了一種計(jì)算機(jī)設(shè)備。所述計(jì)算機(jī)設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如第一方面所述的歌曲推薦模型的訓(xùn)練方法的步驟，和/或，如第二方面所述的歌曲推薦方法的步驟。

13、第四方面，本申請(qǐng)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的歌曲推薦模型的訓(xùn)練方法的步驟，和/或，如第二方面所述的歌曲推薦方法的步驟。

14、第五方面，本申請(qǐng)還提供了一種計(jì)算機(jī)程序產(chǎn)品。所述計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如第一方面所述的歌曲推薦模型的訓(xùn)練方法的步驟，和/或，如第二方面所述的歌曲推薦方法的步驟。

15、上述一種歌曲推薦模型的訓(xùn)練方法、計(jì)算機(jī)設(shè)備、計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)和計(jì)算機(jī)程序產(chǎn)品，通過(guò)獲取歷史投放對(duì)象的互動(dòng)歌曲集合，根據(jù)互動(dòng)歌曲集合確定多個(gè)第一樣本組合和至少一類第二樣本組合，該第一樣本組合包括兩首歌曲，該第二樣本組合包括至少三首歌曲且同一類第二樣本組合包括的歌曲數(shù)量相同，不同第一樣本組合的至少一首歌曲不同，同一類第二樣本組合中不同的第二樣本組合包括不同的至少三首歌曲，然后根據(jù)歌曲推薦模型輸出的各第一樣本組合的歌曲表征信息，確定第一損失函數(shù)值，該第一損失函數(shù)值用于表征第一樣本組合內(nèi)的歌曲之間的特征距離，根據(jù)歌曲推薦模型輸出的各第二樣本組合的歌曲表征信息，確定第二損失函數(shù)值，該第二損失函數(shù)值用于表征第二樣本組合內(nèi)的各歌曲與偏好中心之間的特征距離，根據(jù)歌曲推薦模型輸出的各第一樣本組合中歌曲片段對(duì)應(yīng)的歌曲表征信息，確定第三損失函數(shù)值，該第三損失函數(shù)值用于表征第一樣本組合內(nèi)歌曲的歌曲片段之間的特征距離，進(jìn)而根據(jù)第一損失函數(shù)值、第二損失函數(shù)值，以及第三損失函數(shù)值，訓(xùn)練歌曲推薦模型，實(shí)現(xiàn)了對(duì)歌曲推薦模型的訓(xùn)練優(yōu)化，可以根據(jù)兩兩組合歌曲和多首歌曲組合，以及兩兩組合歌曲的局部切片，基于特征距離損失的計(jì)算方式訓(xùn)練模型，能夠充分利用有限的歌曲互動(dòng)歷史信息進(jìn)行建模，針對(duì)新歌投放場(chǎng)景下訓(xùn)練數(shù)據(jù)不足的情況進(jìn)行更加細(xì)致地分析，有效提升了歌曲推薦模型的性能，有助于提升新歌投放效果。

技術(shù)特征：

1.一種歌曲推薦模型的訓(xùn)練方法，其特征在于，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述獲取歷史投放對(duì)象的互動(dòng)歌曲集合，根據(jù)所述互動(dòng)歌曲集合確定多個(gè)第一樣本組合和至少一類第二樣本組合，包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述歌曲推薦模型輸出的各所述第一樣本組合的歌曲表征信息，確定第一損失函數(shù)值，包括：

5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述歌曲推薦模型輸出的各所述第二樣本組合的歌曲表征信息，確定第二損失函數(shù)值，包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)所述歌曲推薦模型輸出的各所述第一樣本組合中歌曲片段對(duì)應(yīng)的歌曲表征信息，確定第三損失函數(shù)值，包括：

7.一種歌曲推薦方法，其特征在于，所述方法包括：

8.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述的歌曲推薦模型的訓(xùn)練方法，和/或，權(quán)利要求7中所述的歌曲推薦方法的步驟。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述的歌曲推薦模型的訓(xùn)練方法，和/或，權(quán)利要求7中所述的歌曲推薦方法的步驟。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任一項(xiàng)所述的歌曲推薦模型的訓(xùn)練方法，和/或，權(quán)利要求7中所述的歌曲推薦方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)涉及一種歌曲推薦模型的訓(xùn)練方法、計(jì)算機(jī)設(shè)備、可讀存儲(chǔ)介質(zhì)。所述方法包括：獲取歷史投放對(duì)象的互動(dòng)歌曲集合，根據(jù)互動(dòng)歌曲集合確定多個(gè)第一樣本組合和至少一類第二樣本組合；根據(jù)歌曲推薦模型輸出的各第一樣本組合的歌曲表征信息，確定第一損失函數(shù)值；根據(jù)歌曲推薦模型輸出的各第二樣本組合的歌曲表征信息，確定第二損失函數(shù)值；根據(jù)歌曲推薦模型輸出的各第一樣本組合中歌曲片段對(duì)應(yīng)的歌曲表征信息，確定第三損失函數(shù)值；根據(jù)第一損失函數(shù)值、第二損失函數(shù)值，以及第三損失函數(shù)值，訓(xùn)練歌曲推薦模型。采用本方法能夠充分利用有限的歌曲互動(dòng)歷史信息進(jìn)行建模，有效提升了歌曲推薦模型的性能，有助于提升新歌投放效果。

技術(shù)研發(fā)人員：王武城,宋澤文
受保護(hù)的技術(shù)使用者：騰訊音樂(lè)娛樂(lè)科技（深圳）有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6