[发明专利]一种潜力爆款歌曲挖掘方法、装置、设备及介质

权利要求书

1.一种潜力爆款歌曲挖掘方法，其特征在于，包括：

获取候选歌曲的第一评论数据及参考爆款歌曲的第二评论数据；

分别对所述第一评论数据和所述第二评论数据进行处理，筛选出第一优良评论数据和第二优良评论数据；

分别对所述第一优良评论数据对应的第一向量和所述第二优良评论数据对应的第二向量进行全样本空间上的各向同性变换，得到第一处理后向量和第二处理后向量；

分别利用所述第一处理后向量和所述第二处理后向量确定所述候选歌曲的候选歌曲向量和所述参考爆款歌曲的参考向量；

确定所述候选歌曲向量与所述参考向量之间的相似度，并根据所述相似度确定所述候选歌曲是否为潜力爆款歌曲。

2.根据权利要求1所述的潜力爆款歌曲挖掘方法，其特征在于，所述分别对所述第一评论数据和所述第二评论数据进行处理，筛选出第一优良评论数据和第二优良评论数据，包括：

将所述第一评论数据输入到预先训练完成的BERT模型中，得到所述BERT模型输出的第一分类结果，并将所述第一分类结果中的优质评论数据和良好评论数据作为所述第一优良评论数据；

将所述第二评论数据输入到所述BERT模型中，得到所述BERT模型输出的第二分类结果，并将所述第二分类结果中的优质评论数据和良好评论数据作为所述第二优良评论数据。

3.根据权利要求2所述的潜力爆款歌曲挖掘方法，其特征在于，对所述第一优良评论数据对应的第一向量进行全样本空间上的各向同性变换，得到第一处理后向量，包括：

将所述第一优良评论数据经过所述BERT模型的最后一层时的CLS向量作为所述第一向量，其中，所述第一向量中包括不同评论对应的向量；

确定所述第一向量中各条评论对应的向量的平均向量；

利用所述平均向量和第一运算公式确定协方差矩阵，其中，所述第一运算公式为：

V表示所述协方差矩阵，N表示所述第一向量对应的评论的总条数，x_i表示所述第一向量中第i条评论对应的向量，x_i为1×m维的向量，(·)^T表示矩阵的转置运算，u表示所述平均向量；

根据第二运算公式对所述协方差矩阵做奇异值分解，确定出第一矩阵和第二矩阵，其中，所述第二运算公式为：V＝UQU^T,U表示第一矩阵，Q表示第二矩阵；

利用所述第一矩阵、所述第二矩阵和第三运算公式确定变换矩阵，其中，所述第三运算公式为：W表示所述变换矩阵，(·)^-1表示矩阵的求逆运算；

利用所述变换矩阵对所述第一向量中各条评论对应的向量进行处理，得到第一处理后向量，其中，表示所述第一处理后向量中第i条评论对应的处理后向量。

4.根据权利要求3所述的潜力爆款歌曲挖掘方法，其特征在于，利用所述第一处理后向量确定任意首候选歌曲的候选歌曲向量，包括：

将所述第一处理后向量中与该首候选歌曲对应的各条评论对应的处理后向量作为目标处理后向量；

将各个所述目标处理后向量的和作为该候选歌曲的候选歌曲向量。

5.根据权利要求1所述的潜力爆款歌曲挖掘方法，其特征在于，所述分别对所述第一优良评论数据对应的第一向量和所述第二优良评论数据对应的第二向量进行全样本空间上的各向同性变换，包括：

利用预先训练得到的深度神经网络分别对所述第一优良评论数据对应的第一向量和所述第二优良评论数据对应的第二向量进行全样本空间上的各向同性变换。

6.根据权利要求1所述的潜力爆款歌曲挖掘方法，其特征在于，所述根据所述相似度确定所述候选歌曲是否为潜力爆款歌曲，包括：

当所述候选歌曲包括多首时，将所述相似度超过预设相似度阈值的候选歌曲作为初选歌曲；

将所述初选歌曲中相似度最大的作为所述潜力爆款歌曲。