音乐推荐方法和装置、计算机存储介质和程序产品与流程

本申请涉及人工智能，并且更具体地涉及一种音乐推荐方法、实施该方法的音乐推荐装置、实施该方法的计算机存储介质以及计算机程序产品。

背景技术：

1、目前的音乐推荐系统主要依托两大技术支柱：传统的特征工程与深度学习方法。这些系统通过详尽标注的海量数据，训练出能够预测用户音乐偏好的模型。

2、然而，此类系统仍面临着若干不容忽视的局限性，包括：

3、1、数据需求量庞大：面对庞大的音乐数据库和多样化的用户特征，实现精确推荐所需的数据量是巨大的。

4、2、特征提取与整合的挑战：随着用户画像的日益丰富，包括但不限于年龄、兴趣偏好等多元特征被纳入考量，这些特征之间往往存在维度差异，导致特征提取与整合的难度较大。例如，每当引入新的特征，需要重新构建数据对模型进行训练，这一过程既耗时又成本高昂。

5、3、用户体验待提升：传统音乐推荐模型多聚焦于歌曲的召回，这种“黑箱”式的推荐方式，往往导致用户对于推荐结果的接受度与满意度有限，难以构建强烈的情感连接与信任感。

6、要说明的是，在上述背景技术部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、为了解决或至少缓解以上问题中的一个或多个，提供了以下技术方案。本申请的实施例提供了一种音乐推荐方法、实施该方法的音乐推荐装置、实施该方法的计算机存储介质以及计算机程序产品，其能够向用户提供与用户当前状态关联性更高的个性化推荐，同时通过特征维度的统一解决了现有技术中特征提取难的痛点。

2、按照本申请的第一方面，提供一种音乐推荐方法，所述方法包括以下步骤：获取候选音乐列表和授权访问的用户感知信息，其中所述候选音乐列表包括基于用户请求和用户画像数据而确定的候选音乐；将所述候选音乐列表、所述用户感知信息以及所述用户画像数据转化为符合自然语言处理要求的描述性文本；将所述描述性文本嵌入第一提示信息，输入至第一大语言模型，以获取推荐音乐排序，其中所述推荐音乐为所述候选音乐的子集；以及向用户返回所述推荐音乐排序。

3、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，所述用户感知信息包括以下各项中的一项或多项：用户当前位置、时间、天气、活动场景、社交状态、情绪状态、功能使用情景、日历信息。

4、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，将所述描述性文本嵌入第一提示信息，输入至第一大语言模型，以获取推荐音乐排序包括：基于所述候选音乐与所述用户感知信息以及所述用户画像数据的关联程度，从所述候选音乐中选出推荐音乐；以及基于所述关联程度对所述推荐音乐进行排序，以确定所述推荐音乐排序。

5、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，所述方法还包括：利用自然语言处理算法解析用户请求，以确定用户请求语义；确定与所述用户请求语义匹配的召回算法；以及利用所述召回算法从音乐数据库中选出与所述用户请求语义和所述用户画像数据匹配的候选音乐，以生成所述候选音乐列表。

6、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，所述方法还包括：将所述推荐音乐排序转化为符合自然语言处理要求的描述性文本；将所述推荐音乐排序和所述用户感知信息的描述性文本嵌入第二提示信息，输入至第二大语言模型，以从所述推荐音乐中选出与所述用户感知信息关联程度最高的音乐；以及将所述关联程度最高的音乐作为所述推荐音乐排序中的第一位。

7、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，在将所述用户感知信息的描述性文本嵌入第一提示信息和/或第二提示信息的过程中执行以下操作：确定每类用户感知信息的权重；基于所确定的权重，利用加权采样算法对各类用户感知信息的描述性文本进行筛选；将经筛选的用户感知信息的描述性文本嵌入所述第一提示信息和/或第二提示信息。

8、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，所述方法还包括：确定待播放音乐，其中所述待播放音乐为所述推荐音乐排序中处于第一位的音乐、或为用户点播的音乐；将所述待播放音乐的介绍信息和所述用户感知信息的描述性文本嵌入第三提示信息，输入至第三大语言模型，以获取针对所述待播放音乐的推荐语；以交互的方式呈现所述推荐语。

9、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，所述方法还包括：从具有不同句式的提示信息模板的集合中随机选取一个提示信息模板作为所述第三提示信息。

10、作为以上方案的替代或补充，在根据本申请一实施例的音乐推荐方法中，所述方法还包括：基于所述待播放音乐的推荐语，确定客户端的虚拟形象的形象信息、语音信息、表情信息和动作信息中的一个或多个；控制所述客户端基于所述形象信息、所述语音信息、所述表情信息和所述动作信息中的一个或多个进行交互。

11、根据本申请的第二方面，提供一种音乐推荐装置，包含：存储器；处理器；以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序的运行使得根据本申请第一方面所述的音乐推荐方法中的任意一项被执行。

12、根据本申请的第三方面，提供一种计算机存储介质，所述计算机存储介质包括指令，所述指令在运行时执行根据本申请第一方面所述的音乐推荐方法中的任意一项。

13、根据本申请的第四方面，提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时，实现根据本申请第一方面所述的音乐推荐方法中的任意一项。

14、根据本申请的一个或多个实施例的音乐推荐方案通过主动获取授权访问的用户感知信息，并将用户感知信息融入筛选推荐音乐的考量之中，使得推荐结果更加贴合用户当前的实际需求和个性化偏好，进而提升用户的满意度和整体体验，且避免了新用户冷启动时难以准确推荐音乐的弊端。此外，该方案在对推荐音乐进行筛选和排序的过程中，将全部输入信息(也即，音乐列表、用户感知信息以及用户画像数据)转化为符合自然语言处理要求的描述性文本。这一转化使得新增用户特征变得简单，因为任何新的特征都可以被转化为描述性文本并输入到模型中，而无需改变模型的输入层结构，且降低了模型训练的复杂性。

技术特征：

1.一种音乐推荐方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的音乐推荐方法，其特征在于，所述用户感知信息包括以下各项中的一项或多项：用户当前位置、时间、天气、活动场景、功能使用情景、日历信息。

3.根据权利要求1所述的音乐推荐方法，其特征在于，将所述描述性文本嵌入第一提示信息，输入至第一大语言模型，以获取推荐音乐排序包括：

4.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：

5.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：

6.根据权利要求1或5所述的音乐推荐方法，其特征在于，在将所述用户感知信息的描述性文本嵌入第一提示信息和/或第二提示信息的过程中执行以下操作：

7.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：

8.根据权利要求7所述的音乐推荐方法，其特征在于，所述方法还包括：

9.根据权利要求7所述的音乐推荐方法，其特征在于，所述方法还包括：

10.一种音乐推荐装置，其特征在于，包含：存储器；处理器；以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序的运行使得根据权利要求1-9中任一项所述的音乐推荐方法被执行。

11.一种计算机存储介质，其特征在于，所述计算机存储介质包括指令，所述指令在运行时执行根据权利要求1-9中任一项所述的音乐推荐方法。

12.一种计算机程序产品，其特征在于，包括计算机程序，该计算机程序被处理器执行时，实现根据权利要求1-9中任一项所述的音乐推荐方法。

技术总结本申请涉及人工智能技术领域，并且更具体地涉及一种音乐推荐方法、实施该方法的音乐推荐装置、实施该方法的计算机存储介质以及计算机程序产品。该方法包括以下步骤：获取候选音乐列表和授权访问的用户感知信息，其中候选音乐列表包括基于用户请求和用户画像数据而确定的候选音乐；将候选音乐列表、用户感知信息以及用户画像数据转化为符合自然语言处理要求的描述性文本；将描述性文本嵌入第一提示信息，输入至第一大语言模型，以获取推荐音乐排序，其中推荐音乐为候选音乐的子集；以及向用户返回推荐音乐排序。技术研发人员：刘东,卢人杰,宋雨谣,吴俊魁,陈名扬受保护的技术使用者：蔚来汽车科技（安徽）有限公司技术研发日：技术公布日：2024/11/18