[发明专利]音频搜索模型的训练方法、音频搜索方法和相关产品

权利要求书

1.一种音频搜索模型的训练方法，其特征在于，所述方法包括：

获取经用户搜索音频得到的音频搜索结果序列中的多个音频和所述多个音频各自的搜索评分，获取所述用户搜索音频对应的搜索操作数据及搜索后操作数据；

根据所述搜索操作数据及搜索后操作数据，得到搜索操作特征向量和搜索后操作特征向量；

将所述搜索后操作特征向量、所述用户的用户特征向量和所述多个音频各自的音频特征向量输入待训练的音频搜索模型中的分解机模块，将所述搜索操作数据输入所述待训练的音频搜索模型中的树模型交叉模块，将所述搜索操作特征向量输入所述待训练的音频搜索模型中的深度神经网络模块；

根据所述分解机模块、树模型交叉模块和深度神经网络模块各自对所述多个音频的模块搜索评分，得到所述待训练的音频搜索模型对所述多个音频的模型搜索评分；

根据每个音频对应的搜索评分与对应的模型搜索评分的相似度，调整所述待训练的音频搜索模型的模型参数，直至满足模型训练条件时得到音频搜索模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述分解机模块、树模型交叉模块和深度神经网络模块各自对所述多个音频的模块搜索评分，得到所述待训练的音频搜索模型对所述多个音频的模型搜索评分，包括：

获取所述分解机模块基于所述搜索后操作特征向量、各个音频对应的音频特征向量以及所述用户的用户特征向量输出的各个音频对应的第一模块评分；

获取所述深度神经网络模块基于所述搜索操作特征向量输出的各个音频对应的第二模块评分；

获取所述树模型交叉模块基于所述搜索操作数据输出的各个音频对应的第三模块评分；

根据所述第一模块评分、所述第二模块评分和所述第三模块评分的拼接结果，得到所述待训练的音频搜索模型对所述多个音频各自的模型搜索评分。

3.根据权利要求2所述的方法，其特征在于，所述获取所述分解机模块基于所述搜索后操作特征向量、所述各个音频对应的音频特征向量以及所述用户的用户特征向量输出的各个音频对应的第一模块评分，包括：

通过所述分解机模块、所述搜索后操作特征向量和用户特征向量，确定所述用户对所述各个音频的音频喜好程度信息；

根据所述音频喜好程度信息确定所述各个音频对应的第一模块评分。

4.根据权利要求2所述的方法，其特征在于，所述获取所述深度神经网络模块基于所述搜索操作特征向量输出的各个音频对应的第二模块评分，包括：

通过所述深度神经网络模块和所述搜索操作特征向量，确定所述用户对所述各个音频的操作种类信息及各个操作种类信息的操作频率信息；

根据所述操作种类信息及各个操作种类信息的操作频率信息确定所述各个音频对应的第二模块评分。

5.根据权利要求2所述的方法，其特征在于，所述获取所述树模型交叉模块基于所述搜索操作数据输出的各个音频对应的第三模块评分，包括：

基于多个用户的搜索操作数据对所述树模型交叉模块进行计算学习，确定所述树模型交叉模块中的叶子节点；

获取所述树模型交叉模块基于多个用户的搜索操作数据输出的每个叶子节点的节点分数；

根据多个节点分数的和，得到表征所述多个用户对各个音频的喜好信息的第三模块评分。